AEFA-C for Constrained Optimization:此代码专为约束优化问题而设计。-matlab开发

上传者: 38542148 | 上传时间: 2023-02-20 10:25:58 | 文件大小: 326KB | 文件类型: ZIP
在过去的几十年中,受自然启发的优化算法因其适用于有效解决具有挑战性的优化问题而引起了研究人员的极大关注。 许多智能系统需要一个优秀的约束优化方案来充当人工智能系统。 人工电场算法(AEFA)是一种智能设计的人工系统,其目的是处理功能优化。 AEFA 的工作原理是库仑静电力定律和牛顿运动定律。 本文通过引入新的速度和位置边界策略扩展了 AEFA 算法以解决约束优化问题。 这些边界导致粒子在问题域内相互交互,并且允许它们单独从问题空间中学习。 它们还通过控制粒子的位置更新来帮助在探索和开发之间取得更好的平衡。 使用 AEFA-C 解决了具有挑战性的 IEEE CEC 2017 约束基准集 28 个问题和 5 个多维非线性结构设计优化问题,测试了所提出方案的有效性和效率。 AEFA-C 的比较研究是使用九种最先进的算法进行的,包括一些 IEEE CEC 2017 竞争对手。 比较研究、统计分析和

文件下载

资源详情

[{"title":"( 2 个子文件 326KB ) AEFA-C for Constrained Optimization:此代码专为约束优化问题而设计。-matlab开发","children":[{"title":"AEFA.zip <span style='color:#111;'> 323.79KB </span>","children":null,"spread":false},{"title":"CEC2017.m.zip <span style='color:#111;'> 2.71KB </span>","children":null,"spread":false}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明