CSDN论坛 > Java > Java SE

遗传算法,或着是优化算法 [问题点数:0分]

Bbs2
本版专家分:140
结帖率 100%
CSDN今日推荐
Bbs2
本版专家分:140
Bbs6
本版专家分:5147
Bbs5
本版专家分:3731
Bbs1
本版专家分:0
Bbs3
本版专家分:855
Blank
红花 2006年3月 其他开发语言大版内专家分月排行榜第一
2006年2月 其他开发语言大版内专家分月排行榜第一
2005年4月 其他开发语言大版内专家分月排行榜第一
Blank
蓝花 2006年4月 其他开发语言大版内专家分月排行榜第三
2004年12月 其他开发语言大版内专家分月排行榜第三
Bbs2
本版专家分:140
Bbs4
本版专家分:1660
匿名用户不能发表回复!
其他相关推荐
遗传算法求解立体仓库货位优化
遗传算法求解立体仓库货位优化   货位优化是仓库布局研究的一个主要分支,随着现代计算机技术以及控制技术的不断发展,生产企业和物流仓储企业仓库管理呈现出控制最优化、运行智能化的发展趋势,对仓库的货位优化已成为物流技术发展的一个重要标志。国外对仓储货位优化研究相对较早。Hesket研究了货物存储所需要的存储空间以及货物的订单数量对仓储效率的影响。Goetschalckx等证明了N类货物分配下最低C
现代优化算法 之 遗传算法
之前两篇转载的文章: 遗传算法入门到掌握(一)、遗传算法入门到掌握(二) 对遗传算法的数学推导讲解得非常详细,同时我也附带了一份遗传算法的C语言实现,这篇文章将要运用遗传算法对一个多项式求最小值,要求在(-8,8)间寻找使表达式达到最小的x,误差为0.001。但是那篇文章仅仅讲解了关于本例的遗传算法的规则,并没有详细的算法过程。这篇文章简介一下遗传算法的具体算法过程,并且用MATLAB实现遗传算法的
多目标优化遗传算法改进程序
本人自写的多目标优化遗传算法改进程序,亲测可用,并有详细标注,希望对需要者有用
遗传算法,粒子群算法,蚁群算法对比
遗传算法适合求解离散问题,具备数学理论支持,但是存在着汉明悬崖等问题.粒子群算法适合求解实数问题,算法简单,计算方便,求解速度快,但是存在着陷入局部最优等问题.蚁群算法适合在图上搜索路径问题,计算开销会大.要将三种算法进行混合,就要针对特定问题,然后融合其中的优势,比如将遗传算法中的变异算子加入粒子群中就可以形成基于变异的粒子群算法....
全局优化算法:遗传算法
全局优化算法概述前面讨论过一些迭代算法,包括牛顿法、梯度方法、共轭梯度方法和拟牛顿法,能够从初始点出发,产生一个迭代序列。很多时候,迭代序列只能收敛到局部极小点。因此,为了保证算法收敛到全局最小点,有时需要在全局极小点附近选择初始点。此外,这些方法需要计算目标函数。全局优化算法又称现代启发式算法,是一种具有全局优化性能、通用性强且适合于并行处理的算法。 这种算法一般具有严密的理论依据,而不是单纯凭
蚁群优化算法
蚁群优化算法作为一种全局最优化搜素方法,同遗传算法一样,灵感都来源于自然界,并有良好的搜素性能。然而,从数学的角度来理解分析它们的工作方式是很难的,因为这些算法都具有很复杂的随机过程。        ACO算法的过程具有一定的随机性,这就要求初始化蚂蚁的数量和更新信息素的次数必须足够的多,只有这样才能最终收敛到全局最优解。虽然这使得ACO算法的执行需要花费比较长的时间,但是算法具有找到全局最优解
智能算法---遗传算法介绍
智能算法是启发式的求最优化的算法。它是一门边缘交叉学科,是生物、数学等多学科的完美融合。现在的智能算法很多,不同的智能算法之间也相互借鉴,不断融合。这里先介绍遗传算法。在1975年,Michigan大学的教授J.Holland提出了遗传算法概念。遗传算法是模拟达尔文生物进化论的自然选择和孟德尔遗传学机理的生物进化过程的计算模型,是通过模拟自然进化过程搜索最优解的算法。用网上看到的一个“袋鼠跳”的方式
matlab 遗传算法组合优化实例
matlab多目标遗传算法优化实例,注释详尽。序安装遗传算法工具箱。
模拟退火算法和爬山算法,遗传算法
优化算法入门系列文章目录(更新中):   1. 模拟退火算法   2. 遗传算法   一. 爬山算法 ( Hill Climbing )          介绍模拟退火前,先介绍爬山算法。爬山算法是一种简单的贪心搜索算法,该算法每次从当前解的临近解空间中选择一个最优解作为当前解,直到达到一个局部最优解。          爬山算法实现很简单,其主要缺点是会陷入局
iSIGHT中优化方法种类
iSIGHT中优化方法种类 iSIGHT里面的优化方法大致可分为三类: 1 数值优化方法 数值优化方法通常假设设计空间是单峰值的,凸性的,连续的。iSIGHT中有以下几种: (1)外点罚函数法(EP):      外点罚函数法被广泛应用于约束优化问题。此方法非常很可靠, 通常能够在有最小值的情况下,相对容易地找到真正的目标值。外点罚函数法可以通过使罚函数的值达到无穷值,把设计变量从不可行
关闭