-
遗传算法的TSP问题
求解方法简单明了，注释详细，易于理解
- 2023-08-24 03:30:03下载
- 积分：1
-
遗传算法求函数极大值
实数编码遗传算法求函数极大值实数编码遗传算法求函数极大值实数编码遗传算法求函数极大值实数编码遗传算法求函数极大值实数编码遗传算法求函数极大值实数编码遗传算法求函数极大值实数编码遗传算法求函数极大值实数编码遗传算法求函数极大值
- 2022-01-24 09:40:45下载
- 积分：1
-
基于遗传算法的pid控制器
基于遗传群算法的PID控制器优化设计，通过对PID三个变量比例、积分和微分的参数寻优，得到最佳的三个参数，得到控制器最好输出曲线，其超调量最小，超调时间小。
- 2022-03-25 04:51:34下载
- 积分：1
-
遗传算法实现最短路径优化
%初始化参数 %注：popsize=200,MaxGeneration=100,约跑2分钟。若不要求太精确，可减少循环次数。pointnumber=11; %节点个数Popsize=200; %种群规模，只能取偶数（因67行的循环）MaxGeneration=100; %最大代数Pc=0.8;Pm=0.3; %交叉概率和变异概率A=[0 2 8 1 50 50 50 50 50 50 50 2 0 6 50 1 50 50 50 50 50 50 8 6 0 7 50 1 50 50 50 50 50 1 50 7 0 50 50 9 50 50 50 50 50 1 50 50 0 3 50 2 50 50 50 50 50 1 50 3 0 4 50 6 50 50 50 50 50 9 50 4 0 50 50 1 50 50 50 50 50 2 50 50 0 7 50 9 50 50 50 50 50 6 50 7 0 1
- 2022-02-24 16:29:41下载
- 积分：1
-
RLS和遗传算法的PID在线整定
RLS和遗传算法的PID在线整定，优化效果较好，在线整定控制PID参数
- 2022-11-02 00:10:03下载
- 积分：1
-
遗传算法求解函数最大值
这是一个由MATLAB实现的运用遗传算法求解任意函数最大值的方法。
- 2022-02-12 13:36:42下载
- 积分：1
-
新型GA算法
一种好的改进遗传算法function [opy,optimy]=GA(pt,gennum,psize)% 输入参数：% pt m*n的加工时间矩阵（n是工件数目，m是机器数目）由已知给的T矩阵，可得n=100,m=10% gennum 迭代的次数（代数）% psize 种群的规模大小%输出参数：% opy 最优的Makespan值pc=0.9;%交叉因子pm=0.1;%变异因子[m,n]=size(pt);current_gen=1;%current_gen means the current generationnewgen=zeros(psize,n+1); %mewgen is the new generation of the populationnewgen(1:psize,1:n)=rand(psize,n);%主种群初始化，0-1之间的随机数 %Generalize the initial groupfather=zeros(2,n); %father is used to store the two genes for crossover and mutation avgen=zeros(1,gennum); %avgen is the matrix of the average of all the generationsoptimx=zeros(1,n);optimy=ones(1,gennum);%Generalize the initial groupfor i=1:psize [Ya,pop(i,1:n)]=sort(newgen(i,1:n));%种群排序，实数编码转换为自然数编码 随机生成的0-1之间的小数进行排序然后取每个从小到大数对应的位置 newg
- 2022-03-18 14:25:18下载
- 积分：1
-
java实现用遗传算法求解迷宫问题
毕业设计的代码，是使用java语言来实现的，是用遗传算法来求解迷宫问题，其中代码有详细的注释
- 2023-01-17 05:50:03下载
- 积分：1
-
遗传算法分析代码
遗传算法分析代码，可以进行回归分析
- 2023-05-14 09:25:02下载
- 积分：1
-
遗传算法实现TSP问题
用遗传算法实现TSP最短路寻优问题，遗传算法（Genetic Algorithm）是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法。遗传算法是从代表问题可能潜在的解集的一个种群（population）开始的，而一个种群则由经过基因（gene）编码的一定数目的个体(individual)组成。每个个体实际上是染色体(chromosome)带有特征的实体。染色体作为遗传物质的主要载体，即多个基因的集合，其内部表现（即基因型）是某种基因组合，它决定了个体的形状的外部表现，如黑头发的特征是由染色体中控制这一特征的某种基因组合决定的。因此，在一开始需要实现从表现型到基因型的映射即编码工作。由于仿照基因编码的工作很复杂，我们往往进行简化，如二进制编码，初代种群产生之后，按照适者生存和优胜劣汰的原理，逐代（generation）演化产生出越来越好的近似解，在每一代，根据问题域中个体的适应度（fitness）大小选择个体
- 2022-07-08 16:58:02下载
- 积分：1
