算法介绍
每个寻优的问题解都被想像成一只鸟，称为“粒子”。所有粒子都在一个D维空间进行搜索。
所有的粒子都由一个fitness function 确定适应值以判断目前的位置好坏。
每一个粒子必须赋予记忆功能，能记住所搜寻到的最佳位置。
每一个粒子还有一个速度以决定飞行的距离和方向。这个速度根据它本身的飞行经验以及同伴的飞行经验进行动态调整。
2021-12-20 14:57:39
2.62MB
1
<html dir="ltr"><head><title></title></head><body>针对当前各种粒子群优化算法解决问题时存在的局限性, 提出一种基于混合策略自适应学习的粒子群优化算法(HLPSO). 该算法从收敛速度、跳出局部极值、探索、开发几个不同角度融合了4 种具有不同优势的变异策略,当面对不同形态的复杂问题时通过自适应学习机制选择出合适的策略来完成全局寻优. 通过对7 个标准测试函数的仿真实验并与其他算法相比较, 所得结果表明了所提出的算法具有较快的收敛速度、较高的精度以及很强的跳出局部极值的能力.</body></html>
2021-12-20 10:26:54
302KB
1
smo优化优化matlab代码SMO
社交拟态优化算法及工程应用
社会拟态优化算法和工程应用的示例
Matlab
代码（0.1
版）
您只需要在
Costfunc.m
中引入要最小化的函数。
然后输入
SMO
参数和问题参数（第
28
至
40
行）。
请在您的研究论文中参考以下期刊文章：Saeed
Balochian、Hossein
Baloochian，Social
Mimic
Optimization
Algorithm
and
Engineering
Applications，Expert
Systems
with
Applications，2019，ISSN
0957-4174。
()。
社会模仿优化算法及工程应用
MATLAB
代码示例（0.1
版）
优化社会模仿和工程应用的算法，将成本函数写入文件（Costfunc.m）中，仅供使用。
然后输入算法参数如人口数和问题参数如变量数和取值范围（第28至40行）
请在您的研究文章中参考以下期刊文章：()。
2021-12-20 09:29:54
843KB
1
基于双子群协同进化思想和果蝇优化算法，提出了一种求解0-1背包问题的双子群果蝇优化算法。利用双子群协同进化以及群半径自动调节来增强搜索过程的多样性，提高算法全局寻优能力；给出了双子群果蝇优化算法的具体步骤，并用MATLAB软件编程实现。通过对多个0-1背包问题的算例进行测试，并将测试结果与其他文献结果进行比较，结果表明，双子群果蝇优化算法具有较好的全局寻优能力，可作为求解0-1背包问题的一种实用方法。
2021-12-19 22:10:40
1.28MB
1
蚁群优化算法求解旅行商问题。内有代码有报告
1、理解蚁群优化算法的思想。
2、利用 Matlab 实现蚁群优化算法求解 TSP 问题。
3、分析算法中各种参数变化对计算结果的影响。
二、实验要求
1、打印程序清单。
2、绘制算法求解过程图。
3、记录多次运行算法的最优解。
4、比较算法在不同参数设置下的性能区别。
5、简要回答思考题。
2021-12-19 21:39:12
260KB
1
1、粒子群算法发展历史简介
由Kennedy和Eberhart于1995年提出．
群体迭代，粒子在解空间追随最优的粒子进行搜索.
简单易行
粒子群算法: 收敛速度快
设置参数少
由Kennedy和Eberhart于1995年提出．
群体迭代，粒子在解空间追随最优的粒子进行搜索.
简单易行
粒子群算法: 收敛速度快
设置参数少
2021-12-19 17:00:42
895KB
1