yhkn.net
当前位置:首页 >> 粒子群算法实例 >>

粒子群算法实例

看样子应该是优化,特征提取,聚类,预测,关联都可以用到的算法如果单纯的说数据挖掘的应用应该很不好说,不通的主题可能他都能嵌入,但是适用与否应该要具体分析了

既然是数学系的,可以考虑从粒子群算法的收敛性证明和分布性检验方面着手,偏理论性的证明,这方面比较欠缺,有点类似于高楼地基不稳,大家却在上面继续垒可以参考遗传算法的模式定理或隐性并行性定理等,如果能够提出关于粒子群算法的定理,应该足够具有挑战性了还有就是对粒子群算法进行算法融合或改进,然后针对改进的算法进行测试,检验其在函数优化等方面的效能.

%------基本粒子群优化算法(Particle Swarm Optimization)----------- %------作用:求解优化问题 %------初始格式化---------- format long; c1=1.4962; %学习因子1 c2=1.4962; %学习因子2 w=0.7298; %惯性权重 MaxDT=1000; %最大迭代次数

%% 清空环境 clear clc tic%% 参数初始化% 粒子群算法中的两个参数 c1 = 1.49445; c2 = 1.49445; maxgen = 200; % 进化次数 sizepop = 20; % 种群规模 Vmax = 1; Vmin = -1; popmax = 5; popmin = -5;%% 产生初始粒子和速度 for i = 1:

粒子群算法,也称粒子群优化算法(Particle Swarm Optimization),缩写为 PSO, 是近年来发展起来的一种新的进化算法(Evolutionary Algorithm - EA).PSO 算法属于进化算法的一种,和模拟退火算法相似,它也是从随机解出发,通过迭代寻找最优解,它也是通过适应度来评价解的品质,但它比遗传算法规则更为简单,它没有遗传算法的"交叉"(Crossover) 和"变异"(Mutation) 操作,它通过追随当前搜索到的最优值来寻找全局最优.这种算法以其实现容易、精度高、收敛快等优点引起了学术界的重视,并且在解决实际问题中展示了其优越性.粒子群算法是一种并行算法.

function[xm,fv]=pso(fitness,N,c1,c2,w,M,D)%c1学习因子1%c2学习因子2%w惯性权重%M最大迭代次数%D搜索空间维数%N群体个体数目%%%%初始化种群个体%%%%%%% format long; for i=1:N for j=1:D x(i,j)=randn; v(i,j)=randn; end end for i=

如前所述,PSO模拟鸟群的捕食行为.设想这样一个场景:一群鸟在随机搜索食物.在这个区域里只有一块食物.所有的鸟都不知道食物在那里.但是他们知道当前的位置离食物还有多远.那么找到食物的最优策略是什么呢.最简单有效的就是

不知道你所说的多目标是指什么,据我的理解,既然有个目标函数,那么多目标可以在目标函数那里表示,我最近也在做这个粒子群算法, 下面是我的vc++6.0代码,改造了一下基本粒子群,求路径的.. #include <math.h> #include <time.h> #

随着计算机技术的不断发展,软件的规模越来越大,随之而来软件的错误也越来越隐蔽,造成的后果也越来越严重.因此,提高软件质量及可靠性己成为软件工程领域的重要任务.而软件测试则是保证软件质量、提高软件可靠性的关键.但软件

今天有用过的一个超简单的,求一个方程的最大值.程序一:function F = fitness( x )F = x^3-60*x^2+900*x+100; %0 2 %2=vmax v(i,k) = 2; end end x(i,:)=x(i,:)+v(i,:); for k=1:D if x(i,k) > 31 %31=xmax x(i,k) = 31; end end if fitness(x(i,:)) 追问:

rpct.net | ntjm.net | ncry.net | dkxk.net | kcjf.net | 网站首页 | 网站地图
All rights reserved Powered by www.yhkn.net
copyright ©right 2010-2021。
内容来自网络,如有侵犯请联系客服。zhit325@qq.com