您现在的位置是：MatlabCode> 资源下载 > 资源下载 > 智能算法
资源下载 > 智能算法
-
求解双层规划问题常用算法
求解双层规划问题常用算法有极点算法、直接搜索法、下降法和非数值优化方法(如模拟退火算法、遗传算法等)，遗传算法的求解思路是：首先对上层的决策变量编码，代人下层规划模型，通过求解下层模型的决策变量值，代入上层模型计算适应度值，然后进行交叉、变异、选择操作，最后求出最优解。 -
-
混沌粒子群算法
关键技术 PSO 是一种模拟鸟群体飞行行为的群智能算法，与其它的优化算法基本思想相似，在PSO 中，一个粒子表示一只鸟，每一个粒子均具有一个初始位置和速度，在粒子群飞行过程不断调整飞行速度和方向，最终找到最优解。混沌是一种行为复杂且与随机相似的非线性系统，对初始值十分敏感，十分易跳出局部极小，搜索速度相当快。混沌粒子群算法的基本思想为在每次迭代过程中，对G best的粒子进行混沌扰动，并将其作为粒子更新的位置，防止粒子位置趋同，使其在全局最优解的周围进行局部搜索。 -
-
-
-
-
-
基于模糊数据的模糊聚类的方法与实现步骤
其中有五个程序，详细地说明了五种基于模糊数据的模糊聚类的方法与实现步骤。其中五种程序分别来自五个权威外文论文 -
-
pso粒子群算法工具箱
pso粒子群算法工具箱，粒子群算法，也称粒子群优化算法（Particle Swarm Optimization），缩写为 PSO， 是近年来发展起来的一种新的进化算法(Evolutionary Algorithm - EA)。PSO 算法属于进化算法的一种，和模拟退火算法相似，它也是从随机解出发，通过迭代寻找最优解，它也是通过适应度来评价解的品质，但它比遗传算法规则更为简单，它没有遗传算法的“交叉”(Crossover) 和“变异”(Mutation) 操作，它通过追随当前搜索到的最优值来寻找全局最优。这 -
-
-
神经网络遗传算法极值寻优
基于神经网络结合遗传算法的方法,通过神经网络训练拟合寻优函数,以及遗传算法极值寻优,计算证明,应用该方法的计算参数得到的曲线与实验曲线相吻合。 -
-
-
-
-
-
