代码说明：
说明： 提供 基于粒子群算法优化的变分模态分解算法，适应度函数选择的是模糊熵(This paper presents a variational mode decomposition algorithm based on particle swarm optimization, and the selection of fitness function is fuzzy entropy)
文件列表：
hk, 0 , 2019-06-10
hk\func_1.m, 889 , 2019-06-10
hk\MFE.m, 1522 , 2019-06-10
hk\PSOVMD算法之仿真改.m, 1954 , 2019-06-10
hk\VMD.m, 4302 , 2019-06-10
hk\ww13.TXT, 9476311 , 2019-06-10
2023-04-06 17:01:35
2.29MB
psoToolbox 提供了一个基于交互式 GUI 的工具箱，以使用粒子群优化解决优化问题。 在 M 文件中创建适应度函数。 输入： Function : 适应度函数的函数句柄。 Nvars ：要优化的变量数。 LB : Nvars 的下限 (1 X Nvars) UB : Nvars 的上限（1 X Nvars） 参数： C1 : 认知吸引C2 : 社交吸引力W：惯性人口规模：群体数量Max Iterations ：最大时期数。 点击“RUN PSO”按钮开始PSO搜索。 你会得到输出在轴下方的编辑框中。 要解决命令提示符下的问题，请使用“pso.m”。
2023-03-30 10:17:34
97KB
1
粒子群算法PSO优化支持向量机回归算法SVR，python写，自带数据集
2023-03-28 10:26:09
32KB
1
PSO（粒子群优化）是一种受自然启发的技术，用于优化 MUD 中的目标函数。
2023-03-26 18:13:49
2KB
1
Multi-Objective Energy Management for PHEV via Pontryagin's Minimum Principle and PSO Online
2023-03-23 22:01:54
275KB
1
matlab2018b函数代码
2023-03-15 17:05:15
702KB
1
出了一个全新的混合算法并命名为微粒群差分算法，该算法在标准微粒群算法的基础上结合了差分进化算法用于求解约束的数值和工程优化问题。传统的标准微粒群算法由于其种群单一性容易陷入局部最优值，针对这一缺点利用差分进化算法中的变异、交叉、选择3个算子来更新每次迭代每个粒子新生产的位置以使粒子跳出局部优值。融合了标准微粒群算法和差分进化算法优点的混合算法加速了粒子的收敛速度。为了避免惩罚因子的选择对实验结果的影响，采取了可行规则法来处理约束优化问题。最后将微粒群差分算法用于5个基准函数和两个工程问题，并与其他算法作了比较，试验结果表明，微粒群差分算法算法具有很好的精准性、鲁棒性和有效性。
2023-03-15 09:15:37
849KB
1