粒子群优化算法(PSO)是一种进化计算技术(evolutionary computation)，有Eberhart博士和kennedy博士发明。源于对鸟群捕食的行为研究 PSO同遗传算法类似，是一种基于叠代的优化工具。系统初始化为一组随机解，通过叠代搜寻最优值。但是并没有遗传算法用的交叉(crossover)以及变异(mutation)。而是粒子在解空间追随最优的粒子进行搜索。详细的步骤以后的章节介绍 同遗传算法比较，PSO的优势在于简单容易实现并且没有许多参数需要调整。目前已广泛应用于函数优化，神经网络训练，模糊系统控制以及其他遗传算法的应用领域
标签： evolutionary computation PSO 粒子群
上传时间： 2016-04-26
上传用户：zhuimenghuadie
粒子群优化算法，主要是函数优化问题。很使用
上传时间： 2014-01-01
上传用户：Yukiseop
黄金分割发求优化问题，在MATLAB程序下，调用即可，求解函数优化问题
标签： 分割
上传时间： 2017-01-01
上传用户：wanghui2438
基本粒子群优化算法（pso）,用matlab编写的PSO源程序，适用于函数优化等
上传时间： 2017-02-27
上传用户：plsee
： 为了用蚁群算法来解决连续优化问题， 该算法将函数优化问题中生成解的过程转化为蚁群每前进一步就 选择一个十进制数字并以此来生成一个十进制串的过程。
标签： 蚁群算法
上传时间： 2017-06-07
上传用户：com1com2
粒子群优化算法，智能算法的一种，对于求解函数优化、调度问题、全局优化问题等快速收敛到最优解。
上传时间： 2013-12-14
上传用户：ardager
简单函数的遗传算法matlab实现，交叉率，变异率，编码解码，最适应函数等
标签： 函数优化
上传时间： 2015-05-11
上传用户：这可能最困难
matlab 自带优化工具箱说明教程。解决线性、非线性复杂函数优化问题。
上传时间： 2017-12-26
上传用户：jianxun0
遗传算法是基于自然选择的一种鲁棒性很强的解决问题方法。遗传算法已经成功地应用于许多难优化问题，现已成为寻求满意解的最佳工具之一。然而，较慢的运行速度也制约了其在一些实时性要求较高场合的应用。利用硬件实现遗传算法能够充分发挥硬件的并行性和流水线的特点，从而在很大程度上提高算法的运行速度。 本文对遗传算法进行了理论介绍和分析，结合硬件自身的特点，选用了适合硬件化的遗传算子，设计了标准遗传算法硬件框架；为了进一步利用硬件自身的并行特性，同时提高算法的综合性能，本文还对现有的一些遗传算法的并行模型进行了研究，讨论了其各自的优缺点及研究现状，并在此基础上提出一种适合硬件实现的粗粒度并行遗传算法。 我们构建的基于FPGA构架的标准遗传算法硬件框架，包括初始化群体、适应度计算、选择、交叉、变异、群体存储和控制等功能模块。文中详细分析了各模块的功能和端口连接，并利用硬件描述语言编写源代码实现各模块功能。经过功能仿真、综合、布局布线、时序仿真和下载等一系列步骤，实现在Altera的Cyclone系列FPGA上。并且用它尝试解决一些函数的优化问题，给出了实验结果。这些硬件模块可以被进一步综合映射到ASIC或做成IP核方便其他研究者调用。 最后，本文对硬件遗传算法及其在函数优化中的一些尚待解决的问题进行了讨论，并对本课题未来的研究进行了展望。
上传时间： 2013-07-22
上传用户：谁偷了我的麦兜
文中在pre-FFT定时同步算法的基础上提出一个新的定时同步算法及其改进算法，该算法利用规则集对相关函数和导函数优化的方法得以进一步减小估计方差，本文在给出其推导过程的基础上给出了仿真结果，并与相关算法进行比较，结果表明新算法的定时估计精度较高且具有一定的鲁棒性。
上传时间： 2013-10-29
上传用户：hebmuljb
