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/355090/10294842
m ycsf.m
%Generic Algorithm for function f(x1,x2) optimum,本程序求
%F(s)=100*(x1^2-x2)^2+(1-x1)^2在[-2.048,2.048]之间的最大值
clear all;
close all;
%Parameters,初始化
Size=80; %种群大小
G=100; %迭代次数
CodeL=10;%编码长
www.eeworm.com/read/467578/7005537
m gafcm.m
%该文件为gacm算法的主程序
clear;
clear all;
clc; %初始化
population=100; %种群数量 可用于外设
I=imread('图像地址');%读图像
hist=imhist(I); %获取图像的灰度图
a=size(hist,1); %计算hist的第一维长度
c=2; %可以做成界面的传输量 ,聚类数
V00=zeros(population,c)
www.eeworm.com/read/467578/7005540
asv gafcm.asv
%该文件为gacm算法的主程序
clear;
clear all;
clc; %初始化
population=100; %种群数量 可用于外设
I=imread('图像地址');%读图像
hist=imhist(I); %获取图像的灰度图
a=size(hist,1); %计算hist的第一维长度
c=2; %可以做成界面的传输量 ,聚类数
V00=zeros(population,c)
www.eeworm.com/read/304790/7114557
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=0; %区间下限
up=9; %区间上限
n=50; %种群个数
length=22; %求得单个变量编码长度
pop=encode(length,n);
www.eeworm.com/read/304790/7114559
asv ga.asv
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=0; %区间下限
up=9; %区间上限
n=50; %种群个数
length=22; %求得单个变量编码长度
pop=encode(length,n);
www.eeworm.com/read/442827/7644283
m outputdata.m
%实时输出结果
%输出当前种群中粒子位置
subplot(2,1,1); %子图1
for i=1:popsize %画粒子群中所有粒子(用蓝色星号标记)
plot3(pop(i,1),pop(i,2),pop(i,4*D+2),'b*','markersize',5);
hold on;
end
plot3(gbest(1),gbest(2),best_f
www.eeworm.com/read/442827/7644285
asv fun_computefitness.asv
function fun=Fun_ComputeFitness(pop,flag,D,popsize)
% flag 选择标志,flag不同时,目标函数不同
% D 搜索空间维数(未知数个数)
% popsize 种群规模
% 返回值为计算完适应值后的pop数组
% flag=1-->Spherical函数,表达式为f(x1,x2)=x1^2+
www.eeworm.com/read/305524/13766654
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=0; %区间下限
up=9; %区间上限
n=50; %种群个数
length=22; %求得单个变量编码长度
pop=encode(length,n);
www.eeworm.com/read/305524/13766655
asv ga.asv
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=0; %区间下限
up=9; %区间上限
n=50; %种群个数
length=22; %求得单个变量编码长度
pop=encode(length,n);
www.eeworm.com/read/175689/5343319
asv detreeexp1_4.asv
%设置全局变量
global meas species bad numobs
global x y j tree
%Treefit函数能为数据集找到适合的决策树。
%我们为这个Iris花数据集创建一棵决策树
%并且观察它在分类Iris花的种群时候的好处和优势。
tree = treefit(meas(:,1:2), species);
% treeval计算决策