小白兔的窝

可运行的蚁群代码：clearclcAnt = 300;%蚂蚁数量Times = 80;%移动次数Rou = 0.9;%荷尔蒙发挥系数P0 = 0.2;%转移概率Lower_1 = -1;%搜索范围Upper_1 = 1;Lower_2 = -1;Upper_2 = 1;% 以下为自定义X = zeros(Ant,2);Tau = ones(1,Ant);Tau_Best = zeros(1,Times);P = zeros(Times,Ant);for i=1:Ant

PPT作者：LiXiaoDong，墨尔本大学多模态优化的优势：小生境方法：药物生成中，左边图不用niching，生成单一解；右边是用到niching，找到符合条件的多个解：调度问题：经典的niching算法：fitness sharing：筛选出好的解，且离其他个体位置比较远。crowding：determinist...

1. 以买电脑为例的通俗解释MOEA/D的通俗解析--1.MOEA：https://blog.csdn.net/feijingguan_wx/article/details/84989408MOEA/D的通俗解析--2.Pareto解：https://blog.csdn.net/feijingguan_wx/article/details/84991589MOEA/D的通俗解析--3....

1. 有篇论文是这么说的:作者文风太随意了，就像某个博客主在和读者拉家常。特别是第三点，作者说“操作非常多的目标”。handle有”手里拿着“的意思，顿时让我联想到同学们置很多obj，吭吭哧哧改装alg的场景。我要是这么写，会被喷翻的吧。。2. 给某个开源代码的注释：We can't make this filebeautiful and searchableb...

1. 背包问题描述： 给定 n 种商品，每种商品有对应的重量weight和价值value，一个容量为 maxWeight 的背包，问：应该如何选择装入背包的商品，使得装入背包中的商品的总价值最大？过程：　　a) 把背包问题抽象化（X1，X2，…，Xn，其中 Xi 取0或1，表示第 i 个商品选或不选），Vi表示第 i 个商品的价值，Wi表示第 i 个商品的体积（重量）；　　b) 建...

（图片例子来自上课时老师的PPT，不过老师说PPT是他从网上组合的，所以没有出处） 1、Partial-Mapped Crossover (PMX)  过程：    第一步，随机选择一对染色体（父代）中几个基因的起止位置（两染色体被选位置相同）:     第二步，交换这两组基因的位置：     第三步，做冲突检测，根据交换的两组基因建立一个映射关系，如图所示，...

蚁群算法(AG)是一种模拟蚂蚁觅食行为的模拟优化算法，它是由意大利学者Dorigo M等人于1991年首先提出，并首先使用在解决TSP（旅行商问题）上。人工蚁群与真实蚁群对比:蚁群算法基本流程:蚁群算法中主要参数的选择:蚁群算法中主要参数的理想选择如下:国内外，对于离散域蚁群算法的改进研究成果很多，例如自适应蚁群算法、基于信息素扩散的蚁群算法等，这里仅介绍离散域...

1. 参数B很敏感，从1-500不等，需要简单调参B的取值：1、500、250、二分法。2. 参数zeta的设置在TSP问题中（最小化）：zeta_(r, s)=1/d_(r,s)在0-1KP问题中（最大化）：zeta_i = vi/wi3. 参数delta_tau的设置在TSP问题中（最小化）：delta_tau(r, s)=1/Lgbest在0/1-KP问题中（最大...

这两个策略，不好检索。我从中英论文中找到了解释，贴在这里。（1）最优保存策略这段英文不够具体，我找到了对应中文解释（见论文：遗传算法在分配问题中的应用）：（2）期望选择策略这段英文同样很笼统，我还是找到了中文解释，但是换了个名称（（见论文：遗传算法在分配问题中的应用））注意，中文论文中指出了另一种期望选择方法，和英文论文不同：到底是哪篇论文解释出错？我认...

一、几种检验方法先说结论：方差分析（或者用Kruskal Wallis）、秩和检验、Holm's method一定要做。第一个用于确定所有算法有显著差异，第二个生成p-value用于对比，最后一个用于矫正临界值alpha。如此对比结果才有说服力。（1）方差分析（Analysis Of Variance，ANOVA）——推荐1用于多组样本比较，方差齐，正态性。（在两组和多组比...

SUMT技术之前的两篇blog讨论了等式最优化的最优性条件和不等式最优化的最优性条件。（http://blog.csdn.net/ice110956/article/details/17557795 ）（http://blog.csdn.net/ice110956/article/details/17562429 ）关于无约束问题，我们通过最优性条件能够直接求出解，那么这种方法称为解析法。但是，对

翻阅几篇遗传算法的文章，这篇通俗易懂，且逻辑清楚，最适合入门，不用担心遗漏关键点。遗传算法，先选择，交叉和变异顺序可更换。轮盘赌部分，参考了另外一篇文章的解释。此外，还有一些有价值的文献：选择算子的讨论：http://www.doc88.com/p-7834231663548.html变异和交叉算子的讨论：http://blog.sina.com.cn/s/blog_56984...

下面是下载的demo源码，作者加上自己的解析#include "Header.h"#include #include int main(){ /* Test the basic benchmark function */ double* X; # 定义粒子指针 Benchmarks* fp=NULL;

以下代码亲测运行成功，运行环境：visio studio 2005。------------------------------------------------------------------------------#include #include #include #include #include #define rand_01 ((float)rand() /

1. 什么是离散粒子群算法？普通粒子群算法（Particle Swarm Optimization Algorithm，PSO）的粒子初始位置、更新速度都是连续函数，与之对应，位置和速度更新均为离散值的算法是离散PSO算法（Discrete Particle Swarm Optimization Algorithm，DPSO）；一般就是在跟新粒子位置后，对粒子进行离散点处理；比如：你

问：怎样才算是真正熟悉一个PSO算法？答：下载CEC2013或者2010的标准测试函数集，然后让你的PSO算法在基本的函数集上调通了，这样才算正确地实现了一个PSO算法。什么是CEC标准测试函数集？具体包含哪些函数？cec2010 benechmark函数，测试粒子群算法CEC discrete optimization benchmar

占坑

算法：一种基于集合的离散粒子群算法，论文链接面向问题：Quality of Service (QoS)：服务质量问题cloud workflow scheduling problem：云工作流调度问题 deadline constraint：期限限制问题the budget constraint：代价限制问题the reliability constraint：实际限制问题1.简介cloud co

一、人工蜂群算法的介绍    人工蜂群算法(Artificial Bee Colony, ABC)是由Karaboga于2005年提出的一种新颖的基于群智能的全局优化算法，其直观背景来源于蜂群的采蜜行为，蜜蜂根据各自的分工进行不同的活动，并实现蜂群信息的共享和交流，从而找到问题的最优解。人工蜂群算法属于群智能算法的一种。二、人工蜂群算法的原理    1、原理        标准的ABC算法通过模拟

差分进化算法DE与遗传算法GA非常类似，下面是差分进化算法的步骤。算法步骤如下：初始化变异交叉d.选择测试函数：Rastrigr函数                   全局最优点: ,       matlab代码如下：[plain] view plain copyfunction DE(Gm,F0)    t0 = cputime;  %差分进化算法程序  %F0是变异率 %Gm 最大迭代次数

转载自：http://blog.csdn.net/kunshanyuz/article/details/63683145粒子群算法原理很简单，用matlab和Python都很快实现编程。程序：参数部分，需要修改的可以修改。这个程序实现的是基本粒子群算法，对于提升粒子群算法的表现，可以在上面进行更多的功能添加。[python] view pla