蝙蝠算法(BA)智能优化源码资源说明
蝙蝠算法( BA) 是 Yang 教授于 2010 年基于群体智能提出的启发式搜索算法,是一种搜索全局最优解的有效方法。该算法是一种基于迭代的优化技术,初始化为一组随机解,然后
本专区汇聚了各类基于 全局寻优 开发的源码资源,共计 45 篇资源供开发者免费下载学习。
蝙蝠算法( BA) 是 Yang 教授于 2010 年基于群体智能提出的启发式搜索算法,是一种搜索全局最优解的有效方法。该算法是一种基于迭代的优化技术,初始化为一组随机解,然后
在 2002 年,灵感源自社会第一次提出了人工鱼群算法 (AFSA)鱼群中搜索,蜂拥而至,之后的行为。鱼群可以采取快速响应变化的方向和速度,他们的邻居的信息他们的行为已经传递给他人
基本PSO极易陷入早熟收敛,而此算法在基本PSO的参数上做一些改进,从而达到增强多样性,避免过早的陷入局部最优,并发生早熟收敛。.......
基本PSO极易陷入早熟收敛,而此算法在基本PSO的参数上做一些改进,从而达到增强多样性,避免过早的陷入局部最优,并发生早熟收敛。....
基本PSO极易陷入早熟收敛,而此算法在基本PSO的参数上做一些改进,从而达到增强多样性,避免过早的陷入局部最优,并发生早熟收敛。....
基本PSO极易陷入早熟收敛,而此算法在基本PSO的参数上做一些改进,从而达到增强多样性,避免过早的陷入局部最优,并发生早熟收敛。.
基本PSO极易陷入早熟收敛,而此算法在基本PSO的参数上做一些改进,从而达到增强多样性,避免过早的陷入局部最优,并发生早熟收敛。.
基本PSO极易陷入早熟收敛,而此算法在基本PSO的参数上做一些改进,从而达到增强多样性,避免过早的陷入局部最优,并发生早熟收敛。
为了优化骨干粒子群(BBPSO)的早熟现象,提出一种基于反向学习(OBL)的骨干粒子群算法(BBPSO)。引入邻域结构集在搜索过程中跳出局部最优,向全局最优靠近。在算法中加入