灰狼优化算法(Grey Wolf Optimizer,GWO)由澳大利亚格里菲斯大学学者 Mirjalili 等人于2014年提出来的一种群智能优化算法。该算法受到了灰狼捕食猎物活动的启发而开发的一种优化搜索方法,它具有较强的收敛性能、参数少、易实现等特点。近年来受到了学者的广泛关注,它己被成功地应用到了车间调度、参数优化、图像分类等领域中。
2022-05-25 09:09:02 37.6MB 算法 源码软件
1
1、python程序 2、有数据集可直接运行
2022-05-16 12:05:03 5KB 算法 支持向量机 python 机器学习
Solar Sail 问题求解器,基于元启发式优化算法:GWO、WOA 等(c#)
2022-05-11 09:04:09 152KB 算法
使用连续型的灰狼优化算法优化TSP搜索路径,按适应度值排序的索引选择路径。
2022-05-10 18:10:17 1.46MB 灰狼优化算法(GWO) TSP
灰狼算法代码,Grey Wolf Optimizer,eeeeeee
2022-05-05 15:02:59 5.66MB 灰狼算法
1
采用灰狼算法(GWO)优化BP回归预测matlab2019,内置数据集可以直接运行,全中文注释
2022-04-27 09:15:38 20KB 算法 回归 文档资料 数据挖掘
实现了 PSO 和 GWO 优化算法的混合 [Best_score,Best_pos,PSOGWO_cg_curve]=PSOGWO(SearchAgents_no,Max_iteration,lb,ub,dim,fobj); [Alpha_score,Alpha_pos,GWO_cg_curve]=GWO(SearchAgents_no,Max_iteration,lb,ub,dim,fobj);
2022-04-15 18:04:54 32KB matlab 算法 开发语言
混合灰太狼和布谷鸟搜索优化算法 此代码用于混合 GWOCS 优化算法,该算法将 GWO 的全局收敛能力与 CS 相结合。我们在基准优化功能上对其进行了测试,发现 GWOCS 的性能优于单独的 GWO。该存储库包括: 混合 GWO CS 优化的完整代码
2022-04-15 18:04:53 8KB 算法 matlab
一种基于金鹰优化器和灰狼优化器的混合算法
2022-04-15 18:04:45 1.71MB 算法 matlab
Jx-WFST:包装特征选择工具箱 《迈向人才科学家:共享与学习》--- 介绍 该工具箱提供了 13 种包装器特征选择方法 Demo_PSO提供了如何在基准数据集上应用 PSO 的示例 这些方法的源代码是基于伪代码和论文编写的 用法 采用主要功能jfs进行特征选择。 您可以通过将from FS.pso import jfs的pso更改为来切换算法 如果你想使用粒子群优化(PSO),那么你可以写 from FS.pso import jfs 如果你想使用差分进化(DE),那么你可以写 from FS.de import jfs 输入 feat :特征向量矩阵(实例x特征) label :标签矩阵(实例x 1) opts : 参数设置 N :解决方案的数量/人口规模(对于所有方法) T :最大迭代次数(对于所有方法) k : k -最近邻中的k -值 输出 Acc : 验证模型的
1