代码搜索:种群进化

找到约 1,664 项符合「种群进化」的源代码

代码结果 1,664
www.eeworm.com/read/319301/13456126

m changes.m

function [pops]=changes(cpop,bounds,len,p) %基因突变函数 %function [pops]=changes(pop,bounds,len,p) %pop 种群数目 %bounds 边界约束 %len 每个变量的编码长度 % 如len为[4 3 3];表示有三个变量,第一个变量的二进制编码
www.eeworm.com/read/312854/13603412

m changes.m

function [pops]=changes(cpop,bounds,len,p) %基因突变函数 %function [pops]=changes(pop,bounds,len,p) %pop 种群数目 %bounds 边界约束 %len 每个变量的编码长度 % 如len为[4 3 3];表示有三个变量,第一个变量的二进制编码
www.eeworm.com/read/492319/6421452

m ga.m

function []=main(N,pcro,pmut) %遗传算法主函数 %用以实现求给定函数fun在给定区间[low,up]上的极大值 % pcro交叉概率,pmut变异概率,N为迭代次数 low=-5; %区间下限 up=5; %区间上限 prec=0.0001; %要求结果精度 n=100; %种群个数 length=ceil(log2((up
www.eeworm.com/read/490941/6445983

asv pso.asv

%用粒子群算法优化RBF网络权值 clear all close all G =250; %迭代次数 n = 12; %粒子维数 m = 20; %种群规模 w = 0.1; %算法参数 c1 = 2; %算法参数 c2 = 2; %算法参数 %取粒子的取值范围 for i = 1:3 MinX(i) = 0.1*ones(1); MaxX(i) = 3
www.eeworm.com/read/490941/6445984

m pso.m

%用粒子群算法优化RBF网络权值 clear all close all G =250; %迭代次数 n = 12; %粒子维数 m = 20; %种群规模 w = 0.1; %算法参数 c1 = 2; %算法参数 c2 = 2; %算法参数 %取粒子的取值范围 for i = 1:3 MinX(i) = 0.1*ones(1); MaxX(i) = 3
www.eeworm.com/read/488694/6484163

m changes.m

function [pops]=changes(cpop,bounds,len,p) %基因突变函数 %function [pops]=changes(pop,bounds,len,p) %pop 种群数目 %bounds 边界约束 %len 每个变量的编码长度 % 如len为[4 3 3];表示有三个变量,第一个变量的二进制编码
www.eeworm.com/read/484974/6569763

m changes.m

function [pops]=changes(cpop,bounds,len,p) %基因突变函数 %function [pops]=changes(pop,bounds,len,p) %pop 种群数目 %bounds 边界约束 %len 每个变量的编码长度 % 如len为[4 3 3];表示有三个变量,第一个变量的二进制编码
www.eeworm.com/read/263553/11357420

m changes.m

function [pops]=changes(cpop,bounds,len,p) %基因突变函数 %function [pops]=changes(pop,bounds,len,p) %pop 种群数目 %bounds 边界约束 %len 每个变量的编码长度 % 如len为[4 3 3];表示有三个变量,第一个变量的二进制编码
www.eeworm.com/read/408618/11379181

m changes.m

function [pops]=changes(cpop,bounds,len,p) %基因突变函数 %function [pops]=changes(pop,bounds,len,p) %pop 种群数目 %bounds 边界约束 %len 每个变量的编码长度 % 如len为[4 3 3];表示有三个变量,第一个变量的二进制编码
www.eeworm.com/read/408136/11404731

m gafault.m

% 用GA训练BP网络的权值、阈值 tic, % 开始计时 [P,T,R,S1,S2,S]=nninit; % BP网络初始化 aa=ones(S,1)*[-1 1]; popu=60; % 初始种群个数 initPpp=initializega(popu,aa,'gabpEval'); gen=700; % 遗传代数 [x endPop bPop trace]=ga(aa,'gab