带有收缩因子和惯性权重的基本PSO粒子群算法源代码。本源代码模块化编写，结构清晰，便于改进和做数值实验
上传时间： 2014-01-18
上传用户：vodssv
介绍蚁群优化的经典书籍。作者是Dorigo和Stutzle，是蚁群优化算法的创始人.
上传时间： 2017-07-13
上传用户：asddsd
粒子群算法的JAVA 程序，改进的JAVA程序
上传时间： 2014-01-05
上传用户：海陆空653
移动机器人路径规划尤其是未知环境下机器人路径规划是机器人技术中的一个重要研究领域，得到了很多研究者的关注，并取得了一系列重要成果。目前已存在许多用来解决该问题的优化算法，但是此类问题属于N-Hard问题，寻求更佳的算法就成为该领域的一个研究热点。为此，根据机器人路径规划算法的研究现状和向智能化，仿生化发展的趋势，研究了一种基于图的机器人路径规划蚂蚁优化算法。算法首先用栅格法对机器人的工作空间进行建模，并用一个状态矩阵表示其状态，由此构造出一个连通图，由一组蚂蚁在图上模拟蚂蚁的觅食行为，从而得到避碰的优化路径。最后，借鉴分枝随机过程和生灭过程的理论知识，用概率的方法从理论上对该算法的收敛性进行了分析，在此基础上，结合计算机仿真结果，证实了本文提出的算法的有效性和收敛性。迄今为止，对于未知环境下机器人路径规划，人们已经探索出了许多有效的求解方法诸如虚拟力场法、基于学习或Q学习的规划方法、滚动窗口规划方法、非启发式方法及各类定位、导航方法等等。近年来，不少学者用改进的遗传算法、神经网络、随机树、蚁群算法等方法对未知环境下机器人路径进行了规划机器人路径规划算法向智能化、仿生化发展是一个明显的趋势.由于已有算法不同程度的存在一定局限性，诸如搜索空间大、算法复杂、效率不高等，尤其对于未知环境，不少路径规划算法的复杂度较高，甚至无法求解，根据日前的研究现状和不足，本文提出了一种用于解决未知环境下机器人路径规划的基于图的蚂蚁算法，理论分析和实验结果都证明了本文算法的有效性和收敛性本课题研究的主要内容本文在用概格法对机器人的工作空间进行建模的基础上，用一个状态矩阵表示其状态，由此构造一个连通图，由一组蚂蚊在图上模拟蚂蚁的觅食行为，从而得到避碰的优化路径并借鉴分枝随机过程和生灭过程的理论知识用概率的方法从理论上对该算法的收敛性进行了分析，结合计算机仿真，证明了本文算法的有效性和收敛性
上传时间： 2022-03-10
上传用户：kingwide
图像是人类智能活动重要的信息来源之一，是人类相互交流和认识世界的主要媒体。随着信息高速公路、数字地球概念的提出，人们对图像处理技术的需求与日剧增，同时VLSI技术的发展给图像处理技术的应用提供了广阔的平台。图像处理技术是图像识别和分析的基础，所以图像处理技术对整个图像工程来说就非常重要，对图像处理技术的实现的研究也就具有重要的理论意义与实用价值，包括对传统算法的改进和硬件实现的研究。仿生算法的兴起为图像处理问题的解决提供了一条十分有效的新途径；FPGA技术的发展为图像处理的硬件实现提供了有效的平台。 @@ 本文在详细介绍邻域图像处理算法及其数据结构、遗传算法和蚁群算法基本原理的基础上，将其应用于图像增强和图像分割的图像处理问题之中，并将其用FPGA技术实现。论文中采用遗传算法自适应的确定非线性变换函数的参数对图像进行增强，在采用FPGA来实现的过程中先对系统进行模块划分，主要分为初始化模块、选择模块、适应度模块、控制模块等，然后利用VHDL语言描述各个功能模块，为了提高设计效率，利用IP核进行存储器设计，利用DSP Builder进行数学运算处理。时序控制是整个系统设计的核心，为尽量避免毛刺现象，各模块的时序控制都是采用单进程的Moore状态机实现的。在图像分割环节中，图像分割问题转换为求图像的最大熵问题，采用蚁群算法对改进的最大熵确定的适应度函数进行优化，并对基于FPGA和蚁群算法实现图像分割的各个模块设计进行了详细介绍。 @@ 对实验结果进行分析表明遗传算法和蚁群算法在数字图像处理中的使用明显改善了处理的效果，在利用FPGA实现遗传算法和蚁群算法的整个设计过程中由于充分发挥了FPGA的并行计算能力及流水线技术的应用，大大提高算法的运行速度。 @@关键词：图像处理；遗传算法；蚁群算法；FPGA
上传时间： 2013-06-03
上传用户：小火车啦啦啦
粒子群算法是在遗传算法基础上发展起来的一种新的并行优化方法,可用于解决大量非线性、不可微和多峰值的复杂问题。与遗传算法不同的是,粒子群算法中的粒子有记忆功能,整个搜索过程是跟随当前最优粒子的过程,因此在大多数情况下,所有的粒子可能更快的收敛于最优解。而且粒子群算法理论简单,参数少,因此其应用更为广泛。文中把粒子群算法用于阵列天线的波束赋形,结果表明粒子群算法在对天线形状进行设计方面有很好的发展前景。
上传时间： 2013-11-14
上传用户：lz4v4
针对目前导航系统中重要的多约束条件下路径规划功能，结合A*算法和蚁群算法提出一种新的不确定算法，该算法首先将多约束条件进行融合使其适合蚁群转移，并在基本蚁群算法基础上采用了A*算法的评估指标，为蚁群转移时提供最优预测收敛点。通过实验证明该算法可以大幅度降低时间消耗，并且全局收敛性强，计算结果稳定。
上传时间： 2013-11-01
上传用户：qwer0574
这是改进的欧拉算法源码
上传时间： 2014-08-29
上传用户：jing911003
蚁群觅食模拟,java版
上传时间： 2013-12-20
上传用户：hewenzhi
antcolony 蚁群觅食模拟
上传时间： 2015-02-20
上传用户：ztj182002
