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
-
-
matlab代码实现雷达信号分选
雷达信号分选，利用聚类实现对未知雷达信号分选，利用相似系数对多假设类合并，并利用时间关联对多模雷达进行模式融合。 -
-
-
-
-
-
遗传算法求解旅行商问题旅行商问题
利用遗传算法求解旅行商问题旅行商问题，即TSP问题（Travelling Salesman Problem）是数学领域中著名问题之一。假设有一个旅行商人要拜访n个城市，他必须选择所要走的路径，路经的限制是每个城市只能拜访一次，而且最后要回到原来出发的城市。路径的选择目标是要求得的路径路程为所有路径之中的最小值。 -
-
蚁群算法解决TSp问题
主要内容包括蚁群算法的思想起源、研究现状及机制原理；蚁群算法的复杂度分析；蚁群算法的收敛性证明；蚁群算法参数对其性能的影响；蚁群算法的参数选择原则；离散域和连续域蚁群算法的若干改进策略；蚁群算法在多个优化领域的典型应用；蚁群算法的硬件实现技术；蚁群算法与其他仿生优化算法的比较与融合；本代码解决传统的TSP问题，验证后可用。 -
BP神经网络
BP神经网络，是利用人工智能的方法，训练权值，建立模式识别的模型。本程序，采用三层神经网络，对隐层的节点个数使用经验公式，对其他的参数设置也进行了优化，实现了手写数字的识别， -
-
-
-
-
-
-
基于蚁群算法的三维路径规划算法
基于蚁群算法的三维路径规划算1、案例背景 三维路径规划指在已知三维地图中,规划出一条从出发点到目标点满足某项指标最优, 并且避开了所有三维障碍物的三维最优路径。现有的路径规划算法中,大部分算法是在二维 规划平面或准二维规划平面中进行路径规划。一般的三维路径规划算法具有计算过程复杂。亲测可用 -
机器人最优路径规划问题
应用蚁群算法求解机器人路径优化问题： （1）通过栅格表示机器人需要寻找最优路径的地图 （2）输入初始的信息素矩阵，选择初始点和终止点并且设置各种参数 （3）选择从初始点下一步可以到达的节点，根据每个节点的信息素求出前往每个节点的概率，并利用轮盘算法选区下一步的初始点 （4）更新路径及路程长度 （5）重复步骤3、4，直到蚂蚁到达终点或者无路可走 （6）重复步骤3—5，直到某一代m只蚂蚁迭代结束 （7）更新信息素举证，其中没有到达的蚂蚁不计算在内 （8）重复步骤3—7，直至第n代蚂蚁迭代结束 -
