基于强化学习的适应性微粒群算法
惯性权重是微粒群算法(PSO) 的重要参数, 它可以平衡算法的全局和局部搜索能力的关系, 改善算法的性
能. 对此, 提出一种基于强化学习的适应性微粒群算法(RPSO). 首先将不同惯性权重调整策略视为粒子的行动集合;
然后通过计算??函数值, 考察粒子多步进化的效果; 进而选择粒子最优进化策略, 动态调整惯性权重, 以增强算法寻
找全局最优的能力. 对几种经典函数的测试结果表明, RPSO 能够获得良好的性能, 特别是对多峰函数效果更加明显.
文件下载
评论信息
其他资源
- 基于Qt的局域网即时通信系统（聊天软件demo）
- 企业员工管理系统（包含毕业论文）
- Reinforcement Learning: An Introduction 2018年 第二版和之前2015中文翻译版
- 东北大学linux操作系统期末作业
- 生成干涉图的MATLAB程序
- 系统tpmC计算,公式自动计算
- GOC京东物流车辆调度A榜赛题，C++代码
- 单点定位matlab计算程序
- vjc5灰度巡线
- 2.0mm距单双排针封装库
- fcitx离线安装所需deb
- 如何在python idle中能够一键清屏.zip
- vc获取windows中安装的所有字体信息.visual c++
- 测验-源码
- netbackup 7备份oracle数据库原厂培训教材
- 爱心宠物诊所系统.rar
- opencv-3.4.7.zip
- 论文研究-基于fuzzyTOPSIS的资源服务优化选择算法.pdf
- FERET人脸数据库3
- 深度学习基础网络模型(mnist手写体识别数据集)
- TI DSP 2812电路图
- FERET数据库
- Vivado高级使用技巧-使用误区及进阶
- 程序员之表白代码之紫色背景心形文字
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
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