粒子群算法求解TSP問題，大家共享哦，希望有所幫助
上傳時(shí)間： 2013-12-22
上傳用戶：xmsmh
matlab程序，用蟻群算法求解tsp問題
上傳時(shí)間： 2018-03-11
上傳用戶：Leesuk
30個(gè)數(shù)學(xué)建模智能算法及MATLAB程序代碼:chapter10基于粒子群算法的多目標(biāo)搜索算法.rarchapter11基于多層編碼遺傳算法的車間調(diào)度算法.rarchapter12免疫優(yōu)化算法在物流配送中心選址中的應(yīng)用 .rarchapter13粒子群優(yōu)化算法的尋優(yōu)算法.rarchapter14基于粒子群算法的PID控制器優(yōu)化設(shè)計(jì).rarchapter15基于混合粒子群算法的TSP搜索算法 .rarchapter16 基于動(dòng)態(tài)粒子群算法的動(dòng)態(tài)環(huán)境尋優(yōu)算法.rarchapter17基于PSO工具箱的函數(shù)優(yōu)化算法.rarchapter18魚群算法函數(shù)尋優(yōu).rarchapter19基于模擬退火算法的TSP算法.rarchapter1遺傳算法工具箱.rarchapter20基于遺傳模擬退火算法的聚類算法.rarchapter21模擬退火算法工具箱及應(yīng)用.rarchapter22蟻群算法的優(yōu)化計(jì)算——旅行商問題(TSP)優(yōu)化 .rarchapter23基于蟻群算法的二維路徑規(guī)劃算法.rarchapter24 基于蟻群算法的三維路徑規(guī)劃算法.rarchapter25有導(dǎo)師學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的回歸擬合——基于近紅外光譜的汽油辛烷值預(yù)測(cè).rarchapter26.rarchapter27無導(dǎo)師學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的分類——礦井突水水源判別.rarchapter28支持向量機(jī)的分類——基于乳腺組織電阻抗特性的乳腺癌診斷 .rarchapter29支持向量機(jī)的回歸擬合——混凝土抗壓強(qiáng)度預(yù)測(cè).rarchapter2基于遺傳算法和非線性規(guī)劃的函數(shù)尋優(yōu)算法 .rarchapter30極限學(xué)習(xí)機(jī)的回歸擬合及分類.rarchapter3基于遺傳算法的BP神經(jīng)網(wǎng)絡(luò)優(yōu)化算法 .rarchapter4sa_tsp.rarchapter5基于遺傳算法的LQR控制器優(yōu)化設(shè)計(jì).rarchapter6遺傳算法工具箱詳解及應(yīng)用 .rarchapter7多種群遺傳算法的函數(shù)優(yōu)化算法.rarchapter8基于量子遺傳算法的函數(shù)尋優(yōu)算法 .rarchapter9基于遺傳算法的多目標(biāo)優(yōu)化算法.rar
標(biāo)簽： 數(shù)學(xué)建模 matlab
上傳時(shí)間： 2021-11-28
上傳用戶：
蟻群算法基本模型STEP1（外循環(huán)）若滿足算法停止規(guī)則，停止計(jì)算，輸出計(jì)算得到的最好解給定外循環(huán)的最大數(shù)目，表明有足夠的螞蟻工作當(dāng)前最優(yōu)解連續(xù)K次相同而停止，K是給定的整數(shù)，表示算法已收斂◆給定優(yōu)化問題的下界和誤差值，當(dāng)算法得到的目標(biāo)值同下界之差小于給定的誤差值時(shí)，算法終止否則使螞蟻s（1≤s≤m）從起點(diǎn)出發(fā)，用L（S）表示螞蟻S行走的城市集合，初始L（s）為空集。設(shè)m只螞蟻在圖的相鄰節(jié)點(diǎn)間移動(dòng)，協(xié)作異步地得到解。螞蟻計(jì)算出下一步所有可達(dá)節(jié)點(diǎn)的一步轉(zhuǎn)移概率，并按此概率實(shí)現(xiàn)一步移動(dòng)，依此往復(fù)。一步轉(zhuǎn)移概率由圖中每條邊上的兩類參數(shù)決定：信息素值、可見度（即先驗(yàn)值）。信息素的更新有2種方式：揮發(fā)——所有路徑上信息素以一定比率減少增強(qiáng)——給評(píng)價(jià)值“好”（有螞蟻?zhàn)哌^）的邊增加信息素蟻群算法基木模型令我們以求解平面上n個(gè)城市的TSP問題（1，2，…，n）表示城市號(hào)為例說明ACA的模型。n個(gè)城市的TSP問題就是尋找通過n個(gè)城市各次且最后回到出發(fā)點(diǎn)的最短路徑蟻群算法研究現(xiàn)狀令A(yù)CA是模擬自然界中真實(shí)蟻群的覓食行為而形成的一種模擬進(jìn)化算法。10年多來的研究結(jié)果已經(jīng)表明：ACA用于組合優(yōu)化具有很強(qiáng)的發(fā)現(xiàn)較好解的能力，具有分布式計(jì)算易于與其他方法相結(jié)合、魯棒性強(qiáng)等優(yōu)點(diǎn)，在動(dòng)態(tài)環(huán)境下也表現(xiàn)出高度的靈活性和健壯性。在求解TSP、QAP問題方面，與遺傳算法、模擬退火算法等算法比較，ACA仍是最好的解決方法之一。
標(biāo)簽： 螞蟻算法
上傳時(shí)間： 2022-03-10
上傳用戶：
艦船電力系統(tǒng)網(wǎng)絡(luò)重構(gòu)可以看作為一個(gè)多目標(biāo)、多約束、多時(shí)段、離散化的非線性規(guī)劃最優(yōu)問題。根據(jù)艦船電力系統(tǒng)特點(diǎn)，提出了一種改進(jìn)的粒子群優(yōu)化算法。在傳統(tǒng)粒子群算法的基礎(chǔ)上，運(yùn)用混沌優(yōu)化理論進(jìn)行初始化粒子的初始種群，提升初始解質(zhì)量；同時(shí)，引進(jìn)遺傳操作以改進(jìn)粒子群算法易陷入局部極值的缺點(diǎn)。通過對(duì)典型的模型仿真表明，該算法具有更好的尋優(yōu)性能，并且有效地提高了故障恢復(fù)的速度與精度。
標(biāo)簽： 粒子群算法 電力系統(tǒng) 艦船 網(wǎng)絡(luò)
上傳時(shí)間： 2014-12-23
上傳用戶：AbuGe
針對(duì)基本蟻群算法在機(jī)器人路徑規(guī)劃問題中容易陷入局部最優(yōu)的問題，提出了一種改進(jìn)的蟻群算法，利用遺傳算法加入了變異因子使最優(yōu)路徑產(chǎn)生變異，從而降低了蟻群算法陷入局部極小的可能性，同時(shí)改善了基本蟻群算法不收斂或收斂速度比較慢的缺點(diǎn)，加快了收斂速度，增加了最優(yōu)解的多樣性。
標(biāo)簽： 變異 蟻群算法 機(jī)器人 路徑規(guī)劃
上傳時(shí)間： 2013-11-11
上傳用戶：zuozuo1215
粒子群算法是在遺傳算法基礎(chǔ)上發(fā)展起來的一種新的并行優(yōu)化方法,可用于解決大量非線性、不可微和多峰值的復(fù)雜問題。與遺傳算法不同的是,粒子群算法中的粒子有記憶功能,整個(gè)搜索過程是跟隨當(dāng)前最優(yōu)粒子的過程,因此在大多數(shù)情況下,所有的粒子可能更快的收斂于最優(yōu)解。而且粒子群算法理論簡(jiǎn)單,參數(shù)少,因此其應(yīng)用更為廣泛。文中把粒子群算法用于陣列天線的波束賦形,結(jié)果表明粒子群算法在對(duì)天線形狀進(jìn)行設(shè)計(jì)方面有很好的發(fā)展前景。
上傳時(shí)間： 2013-11-14
上傳用戶：lz4v4
粒子群算法的vb源程序，可以自定義算法參數(shù)，實(shí)現(xiàn)對(duì)6個(gè)非約束性測(cè)試函數(shù)極小值的全局優(yōu)化，動(dòng)態(tài)顯示粒子的移動(dòng)。低維下，優(yōu)化效果很好。直接解壓，無須密碼。請(qǐng)多指正。
上傳時(shí)間： 2015-03-17
上傳用戶：talenthn
用VB寫的蟻群算法實(shí)驗(yàn)軟件，用以解決典型的TSP問題，可以設(shè)定參數(shù)
標(biāo)簽： 蟻群算法 實(shí)驗(yàn) 軟件
上傳時(shí)間： 2015-05-26
上傳用戶：zhangliming420
帶約束的蟻群算法的程序，用于歐幾里德（Euclid）TSP問題，用c語(yǔ)言編寫的，供大家借鑒
上傳時(shí)間： 2015-06-15
上傳用戶：rocketrevenge
蟲蟲下載站版權(quán)所有 京ICP備2021023401號(hào)-1
