![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
计算智能
Artorias7
_(°ω°」∠)_
展开
-
粒子群优化算法
粒子群优化算法概述粒子群优化(PSO, particle swarm optimization)算法是计算智能领域,除了蚁群算法,鱼群算法之外的一种群体智能的优化算法,该算法最早由Kennedy和Eberhart在1995年提出的,该算法源自对鸟类捕食问题的研究。 • PSO算法首先在可行解空间中初始化一群粒子,每个粒子都代表极值优化问题的一个潜在最优解,用位置、速度和适应度值三项指标表示...原创 2019-12-03 18:30:48 · 5008 阅读 · 0 评论 -
遗传算法与TSP问题
遗传算法与TSP问题TSP问题简介旅行商问题,又译为旅行推销员问题、货郎担问题,是数学领域中著名问题之一。假设有一个旅行商人要拜访n个城市,他必须选择所要走的路径,路径的限制是每个城市只能拜访一次,而且最后要回到原来出发的城市。路径的选择目标是要求得的路径路程为所有路径之中的最小值。遗传算法解决TSP是一个具有广泛的应用背景和重要理论价值的组合优化问题。 近年来,有很多解决该问题的较为有效...原创 2019-11-19 18:17:20 · 1842 阅读 · 0 评论 -
蚁群算法
蚁群算法代码%% 旅行商问题(TSP)优化%% 清空环境变量clear allclc%% 导入数据load citys_data.mat%% 计算城市间相互距离fprintf('Computing Distance Matrix... \n');n = size(citys,1);D = zeros(n,n);for i = 1:n for j = 1:n ...原创 2019-11-05 16:15:25 · 3470 阅读 · 0 评论 -
遗传算法
遗传算法概述遗传算法的基本思想是从初始种群出发,采用优胜劣汰、适者生存的自然法则选择个体,并通过杂交、变异来产生新一代种群,如此逐代进化,直到满足目标为止。遗传算法起源于对生物系统所进行的计算机模拟研究。它是模仿自然界生物进化机制发展起来的随机全局搜索和优化方法,借鉴了达尔文的进化论和孟德尔的遗传学说。其本质是一种高效、并行、全局搜索的方法,能在搜索过程中自动获取和积累有关搜索空间的知识,并...原创 2019-11-04 16:06:57 · 4364 阅读 · 0 评论 -
BP神经网络
BP神经网络BP(Back Propagation)网络是1986年由Rumelhart和McCelland为首的科学家小组提出,是一种按误差逆传播算法训练的多层前馈网络,是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系,而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法,通过反向传播来不断调整网络的权值和阈值,使网络的误差平方和最小。BP...原创 2019-11-04 10:50:04 · 737 阅读 · 0 评论 -
模糊聚类
基本概念:聚类分析是多元统计分析的一种,也是无监督模式识别的一个重要分支,在模式分类 图像处理和模糊规则处理等众多领域中获得最广泛的应用。它把一个没有类别标记的样本按照某种准则划分为若干子集,使相似的样本尽可能归于一类,而把不相似的样本划分到不同的类中。硬聚类把每个待识别的对象严格的划分某类中,具有非此即彼的性质,而模糊聚类建立了样本对类别的不确定描述,更能客观的反应客观世界,从而成为聚类分析的...原创 2019-11-04 10:42:16 · 11935 阅读 · 2 评论 -
模糊推理系统
模糊推理概述以模糊集合论为基础描述工具,对以一般集合论为基础描述工具的数理逻辑进行扩展,从而建立了模糊推理理论。是不确定推理的一种。从不精确的前提集合中得出可能的不精确结论的推理过程,又称近似推理。在人的思维中,推理过程常常是近似的。模糊控制器设计(MATLAB)a=newfis('fuzzf'); %创建新的模糊推理系统%输入1f1=1; a=...原创 2019-10-22 15:15:43 · 8279 阅读 · 1 评论 -
k-means算法学习
k均值聚类算法(k-means clustering algorithm)简介k-means算法是一种聚类算法,所谓聚类,即根据相似性原则,将具有较高相似度的数据对象划分至同一类簇,将具有较高相异度的数据对象划分至不同类簇。聚类与分类最大的区别在于,聚类过程为无监督过程,即待处理数据对象没有任何先验知识,而分类过程为有监督过程,即存在有先验知识的训练数据集。算法实现k均值聚类算法(k-...原创 2019-09-09 16:11:12 · 237 阅读 · 0 评论