亚洲xxxxx电影,欧美人与物videos另类xxxxx ,中文字幕av一区二区三区佐山爱

微粒群算法

粒子群優(yōu)化（ParticleSwarmOptimization,PSO），又稱微粒群算法，是由J.Kennedy和R.C.Eberhart等于1995年開發(fā)的一種演化計算技術(shù)，來源于對一個簡化社會模型的模擬。其中“群（swarm）”來源于微粒群匹配M.M.Millonas在開發(fā)應(yīng)用于人工生命（artificiallife）的模型時所提出的群體智能的5個基本原則?！傲Ｗ樱╬article）”是一個折衷的選擇，因為既需要將群體中的成員描述為沒有質(zhì)量、沒有體積的，同時也需要描述它的速度和加速狀態(tài)。

出版社：高等教育出版社作者：汪定偉簡介高等教育出版社2007年4月出版。本書主要介紹近年來產(chǎn)生的多種智能優(yōu)化算法

出版社：高等教育出版社作者：汪定偉簡介高等教育出版社2007年4月出版。本書主要介紹近年來產(chǎn)生的多種智能優(yōu)化算法，包括遺傳算法、禁忌搜索、模擬退火、蟻群優(yōu)化算法、粒子群優(yōu)化算法、捕食搜索算法和動態(tài)進化算法等算法的產(chǎn)生、算法的基本思想和理論、算法的基本構(gòu)成、計算步驟、主要的變型算法及幾個數(shù)值舉例...

標簽： 2007 出版社優(yōu)化算法

上傳時間： 2014-11-14

上傳用戶：helmos
SFLA算法是解決組合性優(yōu)化問題的算法。它是基于集合類方法的啟發(fā)式研究

SFLA算法是解決組合性優(yōu)化問題的算法。它是基于集合類方法的啟發(fā)式研究，這種SFLA初始化于一群虛擬集合青蛙，在池塘中跳躍，搜尋最優(yōu)的食物地點。青蛙們可以被看作是具有思維的的主體。一種思維可以被看作是一個思想的集合或是文化的進化。每一種思維都是由一系列策略構(gòu)成。在這種策略進化期間，青蛙的思維也在發(fā)生改變，導(dǎo)致了他們在面向目標時方位的改變，這種思維的變化或改變的發(fā)生，正是因為青蛙受到其他更好思想的影響。

標簽： SFLA 算法啟發(fā)式研究組合

上傳時間： 2017-08-08

上傳用戶：heart520beat
心電信號識別算法

心電信號識別算法，采用閾值法檢測心電QRs波群

標簽： 心電信號識別算法

上傳時間： 2017-08-10

上傳用戶：zhuimenghuadie
各類人工智能算法源代碼哦

各類人工智能算法源代碼哦，包括蟻群、粒子群、遺傳、神經(jīng)網(wǎng)絡(luò)

標簽： 人工智能算法源代碼

上傳時間： 2014-01-16

上傳用戶：
遺傳算法的MATLAB代碼

遺傳算法為群體優(yōu)化算法，也就是從多個初始解開始進行優(yōu)化，每個解稱為一個染色體，各染色體之間通過競爭、合作、單獨變異，不斷進化。優(yōu)化時先要將實際問題轉(zhuǎn)換到遺傳空間，就是把實際問題的解用染色體表示，稱為編碼，反過程為解碼，因為優(yōu)化后要進行評價，所以要返回問題空間，故要進行解碼。SGA采用二進制編碼，染色體就是二進制位串，每一位可稱為一個基因；解碼時應(yīng)注意將染色體解碼到問題可行域內(nèi)。遺傳算法模擬“適者生存，優(yōu)勝劣汰”的進化機制，染色體適應(yīng)生存環(huán)境的能力用適應(yīng)度函數(shù)衡量。對于優(yōu)化問題，適應(yīng)度函數(shù)由目標函數(shù)變換而來。一般遺傳算法求解最大值問題，如果是最小值問題，則通過取倒數(shù)或者加負號處理。SGA要求適應(yīng)度函數(shù)>0，對于<0的問題，要通過加一個足夠大的正數(shù)來解決。這樣，適應(yīng)度函數(shù)值大的染色體生存能力強。遺傳算法有三個進化算子：選擇（復(fù)制）、交叉和變異。 SGA中，選擇采用輪盤賭方法，也就是將染色體分布在一個圓盤上，每個染色體占據(jù)一定的扇形區(qū)域，扇形區(qū)域的面積大小和染色體的適應(yīng)度大小成正比。如果輪盤中心裝一個可以轉(zhuǎn)動的指針的話，旋轉(zhuǎn)指針，指針停下來時會指向某一個區(qū)域，則該區(qū)域?qū)?yīng)的染色體被選中。顯然適應(yīng)度高的染色體由于所占的扇形區(qū)域大，因此被選中的幾率高，可能被選中多次，而適應(yīng)度低的可能一次也選不中，從而被淘汰。算法實現(xiàn)時采用隨機數(shù)方法，先將每個染色體的適應(yīng)度除以所有染色體適應(yīng)度的和，再累加，使他們根據(jù)適應(yīng)度的大小分布于0-1之間，適應(yīng)度大的占的區(qū)域大，然后隨機生成一個0-1之間的隨機數(shù)，隨機數(shù)落到哪個區(qū)域，對應(yīng)的染色體就被選中。重復(fù)操作，選出群體規(guī)模規(guī)定數(shù)目的染色體。這個操作就是“優(yōu)勝劣汰，適者生存”，但沒有產(chǎn)生新個體。交叉模擬有性繁殖，由兩個染色體共同作用產(chǎn)生后代，SGA采用單點交叉。由于SGA為二進制編碼，所以染色體為二進制位串，隨機生成一個小于位串長度的隨機整數(shù)，交換兩個染色體該點后的那部分位串。參與交叉的染色體是輪盤賭選出來的個體，并且還要根據(jù)選擇概率來確定是否進行交叉（生成0-1之間隨機數(shù)，看隨機數(shù)是否小于規(guī)定的交叉概率），否則直接進入變異操作。這個操作是產(chǎn)生新個體的主要方法，不過基因都來自父輩個體。變異采用位點變異，對于二進制位串，0變?yōu)?，1變?yōu)?就是變異。采用概率確定變異位，對每一位生成一個0-1之間的隨機數(shù)，看是否小于規(guī)定的變異概率，小于的變異，否則保持原狀。這個操作能夠使個體不同于父輩而具有自己獨立的特征基因，主要用于跳出局部極值。遺傳算法認為生物由低級到高級進化，后代比前一代強，但實際操作中可能有退化現(xiàn)象，所以采用最佳個體保留法，也就是曾經(jīng)出現(xiàn)的最好個體，一定要保證生存下來，使后代至少不差于前一代。大致有兩種類型，一種是把出現(xiàn)的最優(yōu)個體單獨保存，最后輸出，不影響原來的進化過程；一種是將最優(yōu)個體保存入子群，也進行選擇、交叉、變異，這樣能充分利用模式，但也可能導(dǎo)致過早收斂。由于是基本遺傳算法，所以優(yōu)化能力一般，解決簡單問題尚可，高維、復(fù)雜問題就需要進行改進了。下面為代碼。函數(shù)最大值為3905.9262，此時兩個參數(shù)均為-2.0480，有時會出現(xiàn)局部極值，此時一個參數(shù)為-2.0480，一個為2.0480。算法中變異概率pm=0.05，交叉概率pc=0.8。如果不采用最優(yōu)模式保留，結(jié)果會更豐富些，也就是算法最后不一定收斂于極值點，當然局部收斂現(xiàn)象也會有所減少，但最終尋得的解不一定是本次執(zhí)行中曾找到過的最好解。

標簽： 遺傳算法

上傳時間： 2015-06-04

上傳用戶：芃溱溱123
PSO算法的源代碼

粒子群最優(yōu)算法等源代碼，希望有需要的能自行下載，壓縮包包括了text解析，忘使用前閱讀

標簽： 粒子群最優(yōu)算法等源代碼

上傳時間： 2016-05-27

上傳用戶：我會發(fā)光biubiubiu
tsp算法

該文主要講述，蟻群與粒子群混合算法求解TSP問題。

標簽： tsp 算法

上傳時間： 2016-08-30

上傳用戶：chendawei
粒子群優(yōu)化解決旅行商問題

該代碼目的是要用PSO粒子群優(yōu)化算法來解決TSP旅行商問題，可以動態(tài)變化

標簽： 粒子群優(yōu)化旅行商問題

上傳時間： 2018-05-23

上傳用戶：zhaoliangseu
終極算法 ——機器學(xué)習(xí)和人工智能如何重塑世界

第一章機器學(xué)習(xí)革命學(xué)習(xí)算法入門為何商業(yè)擁護機器學(xué)習(xí)給科學(xué)方法增壓10億個比爾·克林頓學(xué)習(xí)算法與國家安全我們將走向何方第二章終極算法來自神經(jīng)科學(xué)的論證來自進化論的論證來自物理學(xué)的論證來自統(tǒng)計學(xué)的論證來自計算機科學(xué)的論證機器學(xué)習(xí)算法與知識工程師天鵝咬了機器人終極算法是狐貍，還是刺猬我們正面臨什么危機新的萬有理論未達標準的終極算法候選項機器學(xué)習(xí)的五大學(xué)派第三章符號學(xué)派：休謨的歸納問題特別說明：僅作為愛好者學(xué)習(xí)使用（請勿商用）！本文檔由人工智能吧（QQ群 565128329）整理提供并更多學(xué)習(xí)分享，若覺得不錯請購買印刷版書籍。約不約“天下沒有免費的午餐”定理對知識泵進行預(yù)設(shè)如何征服世界在無知與幻覺之間你能信任的準確度歸納是逆向的演繹掌握治愈癌癥的方法20問游戲符號學(xué)派第四章聯(lián)結(jié)學(xué)派：大腦如何學(xué)習(xí)感知器的興盛與衰亡物理學(xué)家用玻璃制作大腦世界上最重要的曲線攀登超空間里的高峰感知器的復(fù)仇一個完整的細胞模型大腦的更深處第五章進化學(xué)派：自然的學(xué)習(xí)算法達爾文的算法探索：利用困境程序的適者生存法則性有何用先天與后天誰學(xué)得最快，誰就會贏第六章貝葉斯學(xué)派：在貝葉斯教堂里統(tǒng)治世界的定理所有模型都是錯的，但有些卻有用從《尤金·奧涅金》到Siri所有東西都有關(guān)聯(lián)，但不是直接關(guān)聯(lián)推理問題掌握貝葉斯學(xué)派的方法馬爾可夫權(quán)衡證據(jù)邏輯與概率：一對不幸的組合第七章類推學(xué)派：像什么就是什么完美另一半維數(shù)災(zāi)難空中蛇災(zāi)爬上梯子起床啦第八章無師自通物以類聚，人以群分發(fā)現(xiàn)數(shù)據(jù)的形狀擁護享樂主義的機器人熟能生巧學(xué)會關(guān)聯(lián)第九章解開迷惑萬里挑一終極算法之城馬爾科夫邏輯網(wǎng)絡(luò)從休謨到你的家用機器人行星尺度機器學(xué)習(xí)醫(yī)生馬上來看你第十章建立在機器學(xué)習(xí)之上的世界性、謊言和機器學(xué)習(xí)數(shù)碼鏡子充滿模型的社會分享與否？方式、地點如何？神經(jīng)網(wǎng)絡(luò)搶了我的工作戰(zhàn)爭不屬于人類谷歌＋終極算法=天網(wǎng)？進化的第二部分

標簽： 機器學(xué)習(xí) 人工智能

上傳時間： 2022-05-07

上傳用戶：
matlab數(shù)學(xué)建模算法全收錄超清書簽版

matlab數(shù)學(xué)建模算法全收錄超清書簽版

標簽： matlab 數(shù)學(xué)建模收錄算法

上傳時間： 2013-05-15

上傳用戶：eeworm

主站蜘蛛池模板：阿拉善盟| 牟定县| 高州市| 安岳县| 中江县| 小金县| 东港市| 兰西县| 淮阳县| 天气| 修水县| 全州县| 新晃| 克什克腾旗| 台江县| 泰兴市| 子洲县| 绥棱县| 无极县| 乐山市| 西丰县| 稻城县| 长子县| 茌平县| 楚雄市| 涡阳县| 曲阳县| 乌鲁木齐县| 隆德县| 许昌县| 定西市| 吴旗县| 文水县| 华容县| 桑植县| 英德市| 丰都县| 卫辉市| 公安县| 永年县| 清新县|