模拟退火算法（SA）解决TSP问题
使用SA来解决TSP问题
模拟退火算法基本原理： 模拟退火（SA）算法的出发点是基于物理中固体物质的退火过程与一般的组合优化问题之间的相似性。模拟退火法是一种通用的优化算法，其物理退火过程由以下三部分组成：
加温过程。其目的是增强粒子的热运动，使其偏离平衡位置。当温度足够高时，固体将熔为液体，从
...
使用SGA对多元函数进行优化
这是是通过使用SGA来解决之前在多种群遗传算法的函数优化中提出的问题，以便来做对比，以此来看出多种群遗传算法相较于普通的遗传算法的优势。 这里在描述一下之前的问题： 求解该max f(x,y) = 21.5 + xsin(4πx) + ysin(20πy)函数的最大值 函数图像如下所示： 图像生成
...
多种群遗传算法的函数优化算法
多种群遗传算法的函数优化算法（MPGA） 多种群遗传算法（MPGA）概述 MPGA在GA的基础上主要引入了一下几个概念：
突破GA仅靠单个群体进行遗传进化的框架，引入多个种群问题同时进行优化搜索；不同的种群赋以不用的控制参数，实现不同的搜索的目的。
各个种群之间通过移民算子进行联系，实现多种群的协
...
遗传算法的早熟问题
遗传算法的早熟问题 遗传算法是一种借鉴生物界自然选择和进化机制发展起来的高度并行、随机、自适应的全局优化概率搜索算法。由于优化时不依赖于梯度，具有很强的鲁棒性和全局搜索能力，因此，被广泛应用于机器学习、模式识别、数学规划等领域。然而，随着遗传算法的广泛应用以及研究的深入，其诸多缺陷与不足也暴露出来
...
基于GA的TSP算法
TSP问题简介： 旅行商问题，即TSP问题（Traveling Salesman Problem）是数学领域中著名问题之一。假设有一个旅行商人要拜访N个城市，他必须选择所要走的路径，路径的限制是每个城市只能拜访一次，而且最后要回到原来出发的城市。路径的选择目标是要求得的路径路程为所有路径之中的最小
...
基于遗传算法的BP神经网络优化算法
Posted on
|
In
BP神经网络以及遗传算法
,
优化算法
,
文章页
,
算法
BP网络是一类多层的前馈神经网络，它的名字源于在网络训练的过程中，调整网络的权值的算法是误差反向传播的学习算法，即为BP学习算法。 它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。BP神经网络模型拓扑结构包括输入层（input）、隐层(hide lay
...