搜索资源列表
实数自适应并行遗传算法的研究
- 曾孝平,陈燕飞,李勇明.实数自适应并行遗传算法的研究。针对遗传算法中的早收敛现象,提出了一种实数自适应并行遗传算法(real adaptive parallel genetic algo- rithm,RAPGA)。该算法采用了一种并行遗传进化结构,并将自适应交叉、变异算子引入到本算法中,增强和保 持了种群的多样性。最后,通过与其他经典优化遗传算法进行比较显示,RAPGA对多个标准测试函数均表现出 较好的搜索性能。
自适应并行遗传算法实现有源滤波器的设计
- 摘 要:提出一种改进的自适应并行遗传算法,通过设计自适应算子自动调节交叉和变异概率,采用基于岛屿交换模型实现多种群间信息交换,提高了种群的多样性和健壮性.将该方法用于滤波器的参数优化设计,给出4阶切比雪夫低通滤波器的设计结果,比较各种算法的性能,证明该算法收敛速度快,精度高,有效地克服了早熟现象.
GAF1
- 利用遗传算法，对一个函数求取极值的一种方法，考虑到普通遗传算法中初始种群，对极值影响较大，程序的采用了多个初试种群同时学习，相互比较以求取极大值。-use of genetic algorithm, a function of a strike extreme methods, taking into account the general genetic algorithm initial population, Extreme ri
duodianjiaocha
- 用多点交叉实现遗传算法，能够自主选择种群大小、变异率、交叉率以及染色体编码的输出，结果输出为文本。-with more cross-Genetic algorithm, can choose the size of population, the mutation rate, chromosome cross-rate encoding and output, the output text.
yichuan
- * 这里是遗传算法的核心框架遗传算法的步骤： * 遗传算法核心部分的算法描述 * 算法步骤： * 1、初始化 * 1.1、生成初始种群编码 * 1.2、计算每个个体的适配值。 * 1.3、记录当前最优适配值和最优个体 * 2、选择和遗传， * 2.0、若当前最优适配值多次小于已有的最优适配值（或相差不大）很多次，或者进化的次数超过设定的限制，转4。 * 2.1、按照与每个个体的适配值
cellga
- 多种群的链式智能体遗传算法，代码及其用于优化的实验结果都在里面。大家用了最好给点评价，建议只作为研究用。我有相关的论文，需要索取的话，请与我联系-Multi-population of chain-agent genetic algorithm, the code and to optimize the experimental results are inside. We use the best rating to the poin
GAPBPNN
- 多种群遗传算法的函数优化算法案例分析,Much of the population genetic algorithm function optimization algorithm -Much of the population genetic algorithm function optimization algorithm
MPGA
- 多种群遗传算法的函数优化算法，求解约束条件下的极大值-Multi population genetic algorithm function optimization algorithm for solving the constrained conditions, the maximum value
遗传算法
- 遗传算法是计算数学中用于解决最佳化的搜索算法，是进化算法的一种。进化算法最初是借鉴了进化生物学中的一些现象而发展起来的，这些现象包括遗传、突变、自然选择以及杂交等。遗传算法通常实现方式为一种计算机模拟。对于一个最优化问题，一定数量的候选解（称为个体）的抽象表示（称为染色体）的种群向更好的解进化。传统上，解用二进制表示（即0和1的串），但也可以用其他表示方法。进化从完全随机个体的种群开始，之后一代一代发生。在每一代中，整个种群的适应度被评
基于遗传算法的 TSP 算法
- tsp问题（全称：TravellingSalesmanProblem），又称为旅行商问题、货郎担问题、TSP问题，是一个多局部最优的最优化问题，遗传算法是一种基于种群演变一种优化的算法，在此基础上的优化程序会自动寻找出最短路(TSP (full name: TravellingSalesmanProblem), also known as the traveling salesman problem, traveling salesma
多种群遗传算法的函数优化算法
- 多种群遗传算法的函数优化算法，可以实现基于多种群遗传算法的函数最优化问题(Multi population genetic algorithm function optimization algorithm, can be achieved based on multiple population genetic algorithm function optimization problem)
chapter7多种群遗传算法的函数优化算法
- 用遗传算法去优化多种群问题，寻求目标的最优解(The genetic algorithm is used to optimize the multi-population problem and seek the optimal solution)
demo4
- 遗传算法是计算数学中用于解决最佳化的搜索算法，是进化算法的一种。进化算法最初是借鉴了进化生物学中的一些现象而发展起来的，这些现象包括遗传、突变、自然选择以及杂交等。遗传算法通常实现方式为一种计算机模拟。(Genetic algorithm (GA) is a search algorithm for solving optimization in computational mathematics. It is a kind of ev
chapter7 多种群遗传算法的函数优化算法
- chapter7 多种群遗传算法的函数优化算法(Chapter7 Function optimization algorithm based on multi population genetic algorithm)
chapter7多种群遗传算法的函数优化算法
- 多种群遗传算法代码，亲测可用，加快种群迭代速度(multi-population genetic algorithm)
MPGA
- 使用多种群遗传算法进行DOA估计, 可以避免常规遗传算法容易陷入局部解的问题(DOA estimation with muti-population Genetic algorithm, which can avoid getting into local optimal solutions)
多种群GA
- 主要用于基于多种群的遗传算法在实践中的应用(the program is often used to solve GA)
遗传算法
- 遗传算法是计算数学中用于解决最佳化的搜索算法，是进化算法的一种。进化算法最初是借鉴了进化生物学中的一些现象而发展起来的，这些现象包括遗传、突变、自然选择以及杂交等。遗传算法通常实现方式为一种计算机模拟。对于一个最优化问题，一定数量的候选解（称为个体）的抽象表示（称为染色体）的种群向更好的解进化。传统上，解用二进制表示（即0和1的串），但也可以用其他表示方法。进化从完全随机个体的种群开始，之后一代一代发生。在每一代中，整个种群的适应度被评
遗传算法
- 遗传算法（Genetic Algorithm）是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法。遗传算法是从代表问题可能潜在的解集的一个种群（population）开始的，而一个种群则由经过基因（gene）编码的一定数目的个体(individual)组成。每个个体实际上是染色体(chromosome)带有特征的实体。染色体作为遗传物质的主要载体，即多个基因的集合，其内部表现
多种群遗传算法的函数优化算法
- 车辆路径问题VRP的matlab编程，里面包含距离矩阵和适应度函数和交叉，多种群遗传算法的程序(progrmming of vehicle routing problem)