组搜索优化算法GSO(GroupSearchOptimizer)是一种基于动物捕食原理的新型群智能优化算法。
本研究提出了一种改进的GSO优化算法:全局组搜索优化算法GGSO(GlobalGSO)。
次要在两个方面对GSO算法进行了改进,一是在迭代过程中引入加速系数,加快种群收敛速度,增强算法的局部搜索能力;二是用高斯函数来产生随机位置变异,扩大搜索空间,从而增强算法的全局搜索能力。
经过11个无约束测试函数和3个带约束问题的测试及与其他文献的比较可知,GGSO算法具有较好的局部和全局搜索能力,并且能够
本研究提出了一种改进的GSO优化算法:全局组搜索优化算法GGSO(GlobalGSO)。
次要在两个方面对GSO算法进行了改进,一是在迭代过程中引入加速系数,加快种群收敛速度,增强算法的局部搜索能力;二是用高斯函数来产生随机位置变异,扩大搜索空间,从而增强算法的全局搜索能力。
经过11个无约束测试函数和3个带约束问题的测试及与其他文献的比较可知,GGSO算法具有较好的局部和全局搜索能力,并且能够
2019/10/7 12:16:01
902KB
1
近年来，联邦学习作为处理数据孤岛问题的技术被广泛关注，已经开始被应用于金融、医疗健康以及智慧城市等领域。
从3个层面系统阐述联邦学习算法。
首先通过联邦学习的定义、架构、分类以及与传统分布式学习的对比来阐述联邦学习的概念；
然后基于机器学习和深度学习对目前各类联邦学习算法进行分类比较和深入分析；
最后分别从通信成本、客户端选择、聚合方式优化的角度对联邦学习优化算法进行分类，总结了联邦学习的研究现状，并提出了联邦学习面临的通信、系统异构、数据异构三大难题和处理方案，以及对未来的期望。
从3个层面系统阐述联邦学习算法。
首先通过联邦学习的定义、架构、分类以及与传统分布式学习的对比来阐述联邦学习的概念；
然后基于机器学习和深度学习对目前各类联邦学习算法进行分类比较和深入分析；
最后分别从通信成本、客户端选择、聚合方式优化的角度对联邦学习优化算法进行分类，总结了联邦学习的研究现状，并提出了联邦学习面临的通信、系统异构、数据异构三大难题和处理方案，以及对未来的期望。
2016/3/12 21:30:05
1.19MB
1
朱元国教授的“智能优化算法”课件,包括模仿退火算法、人工神经网络、遗传算法、蚁群等。
模式识别、机器学习等都是用的上的。
模式识别、机器学习等都是用的上的。
2016/1/21 10:27:50
5.26MB
1
仿真平台：MATALAB参考文档（基于主从博弈的社区综合能源系统分布式协同优化运行策略）可在初始原始数据基础上更改Untitled是主函数运行，其余子函数，注释清晰双层优化电热综合能源系统的动态定价问题，采用主从博弈方法上领导者问题上，以综合能源系统整体的收益作为目标函数，考虑电价以及热价等相关约束，在下层运营商和负荷聚合商作为跟随者，构建了领导者-跟随者Stackelberg博弈模型，同时还考虑了系统的功率平衡条件以及热能平衡条件等约束，模型的上层求解DE优化算法，下层求解采用CPLEX求解器，将CPLEX求解嵌入到DE优化算法中，程序运行时间423.73s，考虑该代码具有一定的创新性，适合新手学习以及在此基础上进行拓展，在不同主体之间相互交互求解，代码质量高处理了多主体间交互问题
2016/8/5 1:55:10
864KB
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
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