粒子群算法，也称粒子群优化算法（ParticleSwarmOptimization），缩写为PSO，是近年来发展起来的一种新的进化算法。
PSO算法属于进化算法的一种，和遗传算法相似，它也是从随机解出发，通过迭代寻找最优解，它也是通过适应度来评价解的品质，但它比遗传算法规则更为简单。
压缩文件内附有英文说明书
PSO算法属于进化算法的一种，和遗传算法相似，它也是从随机解出发，通过迭代寻找最优解，它也是通过适应度来评价解的品质，但它比遗传算法规则更为简单。
压缩文件内附有英文说明书
2023/12/13 10:34:27
763KB
1
基本蛙跳程序matlab/C混合蛙跳算法(SFLA)是一种基于群智能的亚启发式进化算法，并应用于离散组合优化问题的求解。
该算法是又一种受自然界生物现象启示而产生的基于群体的协同搜索方法。
该算法是又一种受自然界生物现象启示而产生的基于群体的协同搜索方法。
2023/12/10 22:25:19
24KB
1
参数自适应差分进化算法SACPMDE.rar参数自适应差分进化算法SACPMDE.rar参数自适应差分进化算法SACPMDE.rar
2023/12/6 10:02:18
1KB
1
差分进化算法的简单实现， 差分进化算法(DifferentialEvolutionAlgorithm，DE)是一种高效的全局优化算法。
它也是基于群体的启发式搜索算法，群中的每个个体对应一个解向量。
差分进化算法的流程则与遗传算法类似，都包括变异、杂交和选择操作。
它也是基于群体的启发式搜索算法，群中的每个个体对应一个解向量。
差分进化算法的流程则与遗传算法类似，都包括变异、杂交和选择操作。
2023/11/7 14:49:14
3KB
1
1.添加了20多个单目标进化算法和100多个单目标测试问题。
平台目前含有150个算法和339个测试问题，涉及单目标优化、多目标优化、超多目标优化、组合优化、大规模优化、约束优化、多模态优化、昂贵优化、稀疏优化和偏好优化，测试问题包含机器学习、数据挖掘、网络科学、信号处理、调度、经济和工程中的实际问题。
2.全新开发的整体框架和图形界面，带有更多的模块及更强大的功能；
3.基于标签的过滤系统，使用户可以准确地选择针对不同类型问题的算法；
4.更加方便的问题定义方式，用户无需编写独立的代码文件即可自定义问题；
5.更加多样化的结果展示方式，问题的真实前沿面和可行区域可随种群一起展示；
6.提供中文用户手册。
平台目前含有150个算法和339个测试问题，涉及单目标优化、多目标优化、超多目标优化、组合优化、大规模优化、约束优化、多模态优化、昂贵优化、稀疏优化和偏好优化，测试问题包含机器学习、数据挖掘、网络科学、信号处理、调度、经济和工程中的实际问题。
2.全新开发的整体框架和图形界面，带有更多的模块及更强大的功能；
3.基于标签的过滤系统，使用户可以准确地选择针对不同类型问题的算法；
4.更加方便的问题定义方式，用户无需编写独立的代码文件即可自定义问题；
5.更加多样化的结果展示方式，问题的真实前沿面和可行区域可随种群一起展示；
6.提供中文用户手册。
2023/10/9 0:09:27
12.33MB
1
Gorgonia是一个有助于在Go中促进机器学习的图书馆。
轻松编写和评估涉及多维数组的数学方程式。
如果听起来像或，那是因为想法很相似。
具体来说，该库是像Theano这样的低级库，但具有更高的目标（如Tensorflow）。
Gorgonia：可以执行自动区分可以执行符号区分可以执行梯度下降优化可以进行数值稳定提供许多便利功能来帮助创建神经网络相当快（与Theano和Tensorflow的速度相比）支持CUDA/GPGPU计算（尚不支持OpenCL，发送拉取请求）将支持分布式计算目标Gorgonia的主要目标是成为一个高性能的基于机器学习/图形计算的库，可以跨多台机器进行扩展。
它应该将Go（简单的编译和部署过程）的吸引力带给ML世界。
目前距离那里还有很长的路要走，但是婴儿台阶已经在那里。
Gorgonia的次要目标是提供一个探索非标准深度学习和神经网络相关事物的平台。
这包括诸如新希伯来语学习，切角算法，进化算法之类的东西。
为什么要使用G草？使用Gorgonia的主要原因是让开发人员感到舒适。
如果您正在广泛使用Go堆栈，现在就可以在已
轻松编写和评估涉及多维数组的数学方程式。
如果听起来像或，那是因为想法很相似。
具体来说，该库是像Theano这样的低级库，但具有更高的目标（如Tensorflow）。
Gorgonia：可以执行自动区分可以执行符号区分可以执行梯度下降优化可以进行数值稳定提供许多便利功能来帮助创建神经网络相当快（与Theano和Tensorflow的速度相比）支持CUDA/GPGPU计算（尚不支持OpenCL，发送拉取请求）将支持分布式计算目标Gorgonia的主要目标是成为一个高性能的基于机器学习/图形计算的库，可以跨多台机器进行扩展。
它应该将Go（简单的编译和部署过程）的吸引力带给ML世界。
目前距离那里还有很长的路要走，但是婴儿台阶已经在那里。
Gorgonia的次要目标是提供一个探索非标准深度学习和神经网络相关事物的平台。
这包括诸如新希伯来语学习，切角算法，进化算法之类的东西。
为什么要使用G草？使用Gorgonia的主要原因是让开发人员感到舒适。
如果您正在广泛使用Go堆栈，现在就可以在已
2023/9/25 4:07:11
79.98MB
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