协同进化遗传算法.zip

生态系统中协同进化的含义是几个生存能力相关联的种群的同时进化，在遗传算法中应用协同进化的实质是改变了个体适应度的计算方法：经典遗传算法中个体的适应度由它的染色体所决定，协同进化中个体的适应度却是由个体

* * % 标准合作型协同进化遗传算法(多元函数优化) %实数编码，求最小值，函数为 bound=[-2.048 2.048]; %f2(x)= ∑i1--（n-1)[100(x(i+1)-xi^2)

标准合作型协同进化遗传算法matlab源程序，对函数进行优化

进化算法遗传算法

Matlab协同进化遗传算法解决多阶段决策调度类组合优化问题

论文研究-采用并行协同进化遗传算法的文本特征选择.pdf, 现有的文本特征选择方法都是串行化的,应用于海量文本数据集时时间效率较低,因此利用并行思想来提高文本特征选择的效率,已成为文本挖掘领域的一个研

针对传统遗传算法易于陷入局部最优解，性能不稳定的问题，提出了一种基于协同进化的自适应遗传算法（CEAGA）。在协同进化的两层框架模型的基础上，引入一个自适应的变异策略，改进了协同进化遗传算法中的局部进

为了优化组播网络中的网络编码资源，提出了一种改进的自适应量子遗传算法（AM-QEA）。首先，将优化问题转化为图分解问题。然后用二进制编码表示图分解问题，可以用量子遗传算法进行处理。最后提出了一种基于多

内有代码、报告。 1、理解协同进化遗传算法的思想。比较标准遗传算法和协同进化遗传算法在稳定性、求解最优值所需的迭代次数（收敛性快慢）等方面的区别，比较它们的进化过程图。验证协同进化遗传算法收敛速度快

针对传统多种群协同进化算法仍然存在收敛速度慢、计算复杂性不能随进化过程有效降低等问题，提出了一种基于多级搜索区域的协同进化遗传算法，给出了一种衡量种群进化停滞的标准。通过聚类分析将搜索区域划为三个等级

提出一种改进的双精英协同进化遗传算法。在该算法中，种群被划分为两个精英小队，二者协同进化；精英是小队中的最优个体，并且两个小队的精英具有较高的差异度。精英分别与被选的个体进行交叉，增强了种群个体和全局

为了应对复杂优化问题的高维、大规模、多类变量混合、强约束、多极小、多目标、动态与不确定等诸多求解难点, 协同进化已成为改善进化算法性能的有效途径. 对此,分别从种群协同、个体协同、算法协同、操作协同、

蝙蝠算法作为一种新型元启发式进化算法,不可避免在进化过程中存在陷入局部极值的危险.为了有效提高蝙蝠算法的进化性能,提出一种自适应协同进化的蝙蝠算法(ACEBA).为保证算法具有良好的进化结构,提出采用

为了提高量子进化算法的全局收敛性能, 基于协同进化的思想, 并结合扩展紧致遗传算法, 提出了协同进化扩展紧致量子进化算法(CECQEA). 该算法利用多粒度机制进行量子染色体的旋转, 并依据边缘积模块

分析合作型协同进化遗传算法的进化效率和计算复杂性等与子种群规模的关系; 在此基础上提出子种群规 模自适应调整算法的思想, 给出子种群规模调整的依据和调整方法; 进而提出基于实数编码的变焦遗传算法. 典