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