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