虫虫首页| 资源下载| 资源专辑| 精品软件
登录| 注册

变异

  • 用分层实现遗传算法

    用分层实现遗传算法,高、低两个层次并行运行,自主选择种群规模、变异率及两层的交叉率,结果以文本方式输出。

    标签: 分层 算法

    上传时间: 2014-01-12

    上传用户:yuanyuan123

  • 利用遗传算法求解一个问题的最优解

    利用遗传算法求解一个问题的最优解,包括交叉、变异等过程

    标签: 算法

    上传时间: 2015-06-03

    上传用户:thinode

  • 编译器

    编译器,将目录里文本文件内的表达式变异并且计算结果

    标签: 编译器

    上传时间: 2015-06-04

    上传用户:Breathe0125

  • 用于matlab的遗传算法工具箱(里面含有遗传算法所有的操作

    用于matlab的遗传算法工具箱(里面含有遗传算法所有的操作,如:交叉、变异等等)

    标签: matlab 算法 工具箱 操作

    上传时间: 2014-01-10

    上传用户:jyycc

  • 遗传算法(Genetic Algorithm, GA)是近几年发展起来的一种崭新的全局优化算法

    遗传算法(Genetic Algorithm, GA)是近几年发展起来的一种崭新的全局优化算法,它借 用了生物遗传学的观点,通过自然选择、遗传、变异等作用机制,实现各个个体的适应性 的提高。这一点体现了自然界中"物竞天择、适者生存"进化过程。1962年Holland教授首次 提出了GA算法的思想,从而吸引了大批的研究者,迅速推广到优化、搜索、机器学习等方 面,并奠定了坚实的理论基础。 用遗传算法解决问题时,首先要对待解决问题的模型结构 和参数进行编码,一般用字符串表示,这个过程就将问题符号化、离散化了。也有在连续 空间定义的GA(Genetic Algorithm in Continuous Space, GACS),暂不讨论。

    标签: Algorithm Genetic GA 算法

    上传时间: 2015-06-08

    上传用户:stampede

  • 围绕粒子群的当前质心对粒子群重新初始化.这样

    围绕粒子群的当前质心对粒子群重新初始化.这样,每个粒子在随后的迭代中将在新的位置带着粒子在上次搜索中获得的“运动惯性”(wvi)向Pi,Pg的方向前进,从而可以在粒子群的运动过程中获得新的位置,增加求得更优解的机会.随着迭代的继续,经过变异的粒子群又将趋向于同一点,当粒子群收敛到一定程度时又进行下一次变异,如此反复,直到迭代结束.

    标签: 粒子群 初始化 质心

    上传时间: 2013-12-10

    上传用户:thuyenvinh

  • S08系列单片机AW32的Flash擦写程序

    S08系列单片机AW32的Flash擦写程序,在CodeWarrior变异环境下开发,并附有一个ppt教程

    标签: Flash S08 AW 32

    上传时间: 2015-07-03

    上传用户:731140412

  • 这篇文章讲的是从VC++6.0到Visual Studio 2005所需要的一些变化

    这篇文章讲的是从VC++6.0到Visual Studio 2005所需要的一些变化,包括函数名和变异选项等等,如果你刚开始接触Visual Studio 2005,这篇文章应该会有用。

    标签: Studio Visual 2005 6.0

    上传时间: 2015-07-12

    上传用户:nanfeicui

  • % [BestPop,Trace]=fmaxga(FUN,LB,UB,eranum,popsize,pcross,pmutation) % Finds a maximum of a functio

    % [BestPop,Trace]=fmaxga(FUN,LB,UB,eranum,popsize,pcross,pmutation) % Finds a maximum of a function of several variables. % fmaxga solves problems of the form: % max F(X) subject to: LB <= X <= UB % BestPop--------最优的群体即为最优的染色体群 % Trace----------最佳染色体所对应的目标函数值 % FUN------------目标函数 % LB-------------自变量下限 % UB-------------自变量上限 % eranum---------种群的代数,取100--1000(默认1000) % popsize--------每一代种群的规模;此可取50--100(默认50) % pcross---------交叉的概率,此概率一般取0.5--0.85之间较好(默认0.8) % pmutation------变异的概率,该概率一般取0.05-0.2左右较好(默认0.1) % options--------1×2矩阵,options(1)=0二进制编码(默认0),option(1)~=0十进制编码,option(2)设定求解精度(默认1e-4)

    标签: pmutation BestPop popsize maximum

    上传时间: 2015-07-16

    上传用户:Altman

  • MCRGSA------组播路由问题遗传模拟退火算法 %M-----------遗传算法进化代数 %N-----------种群规模

    MCRGSA------组播路由问题遗传模拟退火算法 %M-----------遗传算法进化代数 %N-----------种群规模,取偶数 %Pm----------变异概率调节参数 %K-----------同一温度下状态跳转次数 %t0----------初始温度 %alpha-------降温系数 %beta--------浓度均衡系数 %ROUTES------备选路径集 %Num---------到各节点的备选路径数目 %Cost--------费用邻接矩阵 %Source------源节点标号 %End---------目的节点标号组成的向量 %MBR---------各代最优路径编码

    标签: MCRGSA 组播路由 模拟退火算法

    上传时间: 2015-07-18

    上传用户:363186