出了一个全新的混合算法并命名为微粒群差分算法,该算法在标准微粒群算法的基础上结合了差分进化算法用于求解约束的数值和工程优化问题。传统的标准微粒群算法由于其种群单一性容易陷入局部最优值,针对这一缺点利用
混合蚁群粒子群算法求解tsp问题混
对基本的蛙跳算法做了简介,并对基础蛙跳算法进行改进,通过对旅行商问题的求解,验证改进算法得到改善
用混合遗传算法求解背包问题 将贪婪修复方法与遗传算法相结合,构成混和遗传算法,并求解经典背包问题。
求解整数规划的混合遗传算法,针对遗传算法的缺陷,提出了遗传算法和混沌的结合
旅行商问题(TSP)是组合优化中的经典难题,其目标是寻找遍历所有城市并返回起点的最短路径。混合粒子群算法(HPSO)作为一种高效的全局优化算法,在解决TSP问题上展现出显著优势。HPSO算法将粒子群
二维混合高斯分布的EM算法(matlab)
机器学习之EM算法实现.rar
EM算法的介绍,包括原理,证明以及应用。
tf-faster-rcnn指南(三)——训练模型-附件资源