精英免疫克隆选择的协同进化粒子群算法

衡量QoS 组播路由主要性能指标有延时,代价,带宽等,本文所提出的基于遗传算法的多约束QoS 组播路由优化算法。引入了一个综合性能指标Q 适应度函数,对延时、带宽、代价这3 个性能指标进行权衡。以减小

提出一种基于多层克隆选择的排序学习方法,将克隆选择理论应用于学习排序函数,对传统克隆选择进行改进,使用一种按层变异的方法和一种多层的克隆选择架构逐步进化抗体库,最终得到最优的排序函数。提出的方法在LE

里面是一个PDF文件，上面有三个源程序。一是用二进制编码的遗传算法源程序二是二进制编码的简单克隆选择算法源程序三是用克隆选择算法求解TSP问题的源程序。

利用遗传，模拟退火以及粒子群算法来求解TSP问题

通过对IEEE-30节点系统的仿真计算表明，本文建立的动态无功优化模型是简单有效的，具有良好的实用价值。同时，算例也表明免疫粒子群算法能够及时跳出局部最优得到全局最优解，而且收敛速度快，精度高，它保证

提出一种自适应进化粒子群优化算法(AEPSO),以提高多目标优化PSO 算法的性能。 AEPSO 算法把非支配排序技术、自适应惯性权重和特殊的变异操作引入到PSO 算法中,来提高 算法的全局搜索能力和

为了进一步提升多目标进化算法(MOEAs) 的收敛速度和解集分布性, 针对变量无关问题, 借助合作型协 同进化模型, 提出一种均衡分布性与收敛性的协同进化多目标优化算法(CMOA-BDC). CMOA

matlab开发，实现车间调度问题，可以自己设置工件工序数据。globalmnnnma;%mn为总工件数，nn为总工序数，ma为机器数计数从1开始globalMT;%/M为以工件为行，工序为列的机

智能优化算法解决VRPSPD问题的一种方法，介绍了PSO和模拟退火算法

提出了基于内容自适应与Direction Oriented Interpolation（DOI）的视频场内去隔行。首先通过内容纹理分析将视频单场划分为边缘、平滑和纹理区域，然后对不同区域采用不同的场内