遗传算法及其Matlab实现 1、初始化种群clc;clearnVar = 100; % 自变量长度nPop = 30; % 种群规模maxIt = 2000; % 最大迭代次数nPc = 0.8; % 子代比例nC = round(nPop * nPc / 2) * 2; % 子代规模nMu = 0.01; % 变异概念% 结果存放模板template.x = [];template.y = [];% 父代种群结果存放Parent = repmat(template, nPop, 1);%..
粒子群算法（PSO）的Matlab实现 1、粒子群算法的概念粒子群优化算法(PSO：Particle swarm optimization) 源于对鸟群捕食的行为研究。粒子群优化算法的基本思想：是通过群体中个体之间的协作和信息共享来寻找最优解，每个个体对比最佳位置，得出群体最佳位置。2、算法分析粒子群算法通过无质量的粒子来模拟鸟群中的鸟，粒子仅具有两个属性：速度v=(v1,v2,....vn)和位置x(x1,x2,....xn),速度代表移动的快慢。每个粒子在搜索空间中单独的搜寻最优解，并将其标记为当前个体极值，并将个体极值与整个粒子
关注
