根据粒子群相关改进论文编辑，内部包含粒子群算法源码、改进后粒子群算法代码、测试函数集合文件改进文献来源，两种算法均已编辑为函数模式方便进行对比，亲测可用，可用作论文写作中算法对比。
2016/4/24 4:07:25
12KB
1
经典leach算法，和PSO算法，有想法的同学可以融合在一起，便于对比仿真。
亲测无效
亲测无效
2021/2/5 11:51:53
3KB
1
基本的粒子群算法，测试数据为cec2013，能描画数据的优化过程。
最有值为-1400，-1300，...-100，100，200，...1400，共28个测试函数。
最有值为-1400，-1300，...-100，100，200，...1400，共28个测试函数。
2016/7/4 5:28:39
1.6MB
1
本资源采用了改进的遗传算法，进行，具体改进如下：与传统的交叉和变异的遗传方式不同，这里提出一种改进遗传操作。
具体步骤是设定一个变异概率p，如图1所示，先在染色体中随机选择一个点G1，如G1=34。
产生一个随机小数，若小于p，则第二个点G2来自同一个个体的另外一个任意点，如G2=52，然后点G1和G2之间的部分被倒置；
若随机小数大于p，则从种群中任意再选择一个个体，找出G1=34在该个体中，上一个位置的点，如下一个点G3=3，则回到原来的个体，点34到3之间被倒置。
这种遗传的思路在于，它能尽量利用种群中获得的信息，来指引个体的变异或者导致操作，最初使得遗传算子比较高效。
具体步骤是设定一个变异概率p，如图1所示，先在染色体中随机选择一个点G1，如G1=34。
产生一个随机小数，若小于p，则第二个点G2来自同一个个体的另外一个任意点，如G2=52，然后点G1和G2之间的部分被倒置；
若随机小数大于p，则从种群中任意再选择一个个体，找出G1=34在该个体中，上一个位置的点，如下一个点G3=3，则回到原来的个体，点34到3之间被倒置。
这种遗传的思路在于，它能尽量利用种群中获得的信息，来指引个体的变异或者导致操作，最初使得遗传算子比较高效。
2018/8/19 15:43:26
506KB
1
智能优化算法粒子群算法优化PID参数非simulink+matlab源代码
2021/8/23 8:12:45
2KB
1
粒子群算法优化+PID参数优化+simulink版本+matlab源代码
2016/10/7 8:29:17
13KB
1
为了提高网络入侵检测率，提出一种协同量子粒子群算法和最小二乘支持向量机的网络入侵检测模型（CQPSO-LSSVM）。
将网络特征子集编码成量子粒子位置，入侵检测正确率作为特征子集优劣的评价标准，采用协同量子粒子群算法找到最优特征子集，采用最小二乘支持向量机建立网络入侵检测模型，并采用KDDCUP99数据集进行仿真测试。
结果表明，CQPSO-LSSVM获得了比其他入侵检测模型更高的检测效率和检测率。
将网络特征子集编码成量子粒子位置，入侵检测正确率作为特征子集优劣的评价标准，采用协同量子粒子群算法找到最优特征子集，采用最小二乘支持向量机建立网络入侵检测模型，并采用KDDCUP99数据集进行仿真测试。
结果表明，CQPSO-LSSVM获得了比其他入侵检测模型更高的检测效率和检测率。
2021/7/18 2:35:40
549KB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB