搜索资源列表
GASA
- 基于遗传模拟退火和Otsu法的图像分割。采用一种基于模拟退火算法(SA)的混合遗传算法(GASA),来进行Otsu方法选择阈值，其中进行求解时是非线性的遗传算法（GA）的应用优化了求阈值过程，并尽可能地减少其运算量,而加入SA则避免了遗传算法(GA)常见的早熟收敛现象,从而实现有效简单的图像分割。 -adopt hybrid genetic algorithm(GASA) based on simulated annealing a
geneticoperator
- 使用C++实现简单的遗传算法，实现一个优化问题的求解过程-we realized the GA(Genetic Algorithm) with c++ to solve the optimization problem.
tsp_ga_basic
- 遗传算法求解TSP问题，简单易懂，没有使用任何优化-Easy way to solve TSP problem by GA
GA
- 使用此代码是用遗传算法求解优化模型的一个简单的实例-Application of genetic algorithm optimization model
GA
- 求解全局优化问题的经典遗传算法代码，简单易懂，适合初学者-Solving global optimization problems classical genetic algorithm code, easy to understand for beginners
Ga-tsp
- 遗传算法tsp问题 针对题目中物流配送路径优化问题，本文引入0-1规划思想，建立了带约束条件的物流配送问题的数学模型。求解时，引入遗传算法的编码方式，并针对分区数与客户数量相差较小的情况，灵活运用分区配送算法确定包含最优解的分区序列组，紧密结合枚举法使得其算法兼顾简单、快速的优点。应用Matlab软件可执行得到最短路径。兼顾时间因素导致的复杂影响，我们引入了惩罚函数，并通过设定惩罚系数，进一步由最短路径求得最优路径。-Genetic a
GAyouhua
- 利用遗传算法优化求解，并得出对应的自变量取值(The genetic algorithm is used to optimize the solution, and the corresponding independent variable value is obtained)