首页 > TAG信息列表 > gbest
【优化调度】基于粒子群算法求解水火电调度优化问题含Matlab源码
1 简介 粒子群算法因其原理简单,易于编程,适于并行计算等优点而得到了广泛的应用.本文探讨和分析了Matlab粒子群算法工具箱,并提出了基于该工具箱来实现水电站优化调度计算的方法.计算实例表明,Matlab粒子群算法工具箱可以很好地用于解决水电站优化调度问题,可获得比动态规划算基于遗传算法优化核极限学习机实现数据预测matlab代码
1 简介 工业过程常含有显著的非线性,时变等复杂特性,传统的核极限学习机有时无法充分利用数据信息,所建软测量模型预测性能较差.为了提高核极限学习机的泛化能力和预测精度,提出一种遗传算法结合核极限学习机软测量建模方法.通过遗传优化极限学习机的惩罚系数和核宽,得到一组【优化算法】粒子群工具箱函数优化算法【含Matlab源码 1126期】
一、简介 粒子群算法源于复杂适应系统（Complex Adaptive System,CAS）。CAS理论于1994年正式提出，CAS中的成员称为主体。比如研究鸟群系统，每个鸟在这个系统中就称为主体。主体有适应性，它能够与环境及其他的主体进行交流，并且根据交流的过程“学习”或“积累经验”改变自身结构与行为。【优化算法】粒子群工具箱函数优化算法【含Matlab源码 1126期】
## 一、简介 粒子群算法源于复杂适应系统（Complex Adaptive System,CAS）。CAS理论于1994年正式提出，CAS中的成员称为主体。比如研究鸟群系统，每个鸟在这个系统中就称为主体。主体有适应性，它能够与环境及其他的主体进行交流，并且根据交流的过程“学习”或“积累经验”改变自身结构与行为基于粒子群算法的无线传感器网络覆盖优化
文章目录 一、理论基础 1、节点感知模型 （1）0/1感知模型（2）概率感知模型2、覆盖数学模型3、粒子群优化(PSO)算法二、MATLAB程序实现 1、参数设置2、适应度函数3、主函数3、结果分析三、参考文献 一、理论基础 1、节点感知模型 传感器节点的感知模型主要分为两种：0/1(二元)感知模型干货 | 【算法】粒子群算法Particle Swarm Optimization超详细解析+代码实例讲解
前排吹水 这俗话说啊，早起的鸟儿有虫吃，早起的虫儿被鸟吃。而这个鸟抓虫子这个事儿啊，就像当初砸醒牛顿的苹果一样，居然也启发了两位博士，研究出了有用的大道理。那么，今天小编就带领大家，一起来看看这个让人好奇的大道理 -- 粒子群算法，究竟是个什么东西吧。 Part 1 算法起源 粒子群优化【车间调度】基于PSO求解6X6的车间调度问题matlab 源码
一、简介 粒子群优化(PSO)是一种基于群体智能的数值优化算法，由社会心理学家James Kennedy和电气工程师Russell Eberhart于1995年提出。自PSO诞生以来，它在许多方面都得到了改进，这一部分将介绍基本的粒子群优化算法原理和过程。 1.1 粒子群优化 粒子群优化(PSO)是一种群智能算法，其基于改进人工蜂群算法的无线传感器网络覆盖优化策略
文章目录 一、理论基础1、人工蜂群算法2、改进人工蜂群算法 二、仿真与分析1、参数设置2、MATLAB程序实现 三、算法对比四、参考文献 一、理论基础 1、人工蜂群算法 请参考这里。 2、改进人工蜂群算法 请参考文献[1]。 二、仿真与分析 1、参数设置 IABC(改进人工蜂群算法【18】【图像处理】粒子群算法结合模糊聚类分割算法实现图像的分割
%pso-fcm。算法思路借鉴网上的某一帖子。tic;close all;clear;clc;pic=imread('2.png'); [a,b,k]=size(pic);t=a*b;data=reshape(double(pic),t,k);Maxiter=4;%设定最大迭代次数n=100;c1=0.4;c2=0.4;%设定个体经验系数和群体经验系数w=0.3;%设定惯性系数vmax=1