退火和声搜索算法

退火和声搜索算法在保留和声搜索算法的启发搜索框架的前提下，就是不改变和声搜索算法的主要搜索机制，引入模拟退火的局部搜索方法。这样新的算法优化过程更具效率，预期可以更快更精地找到全局极值点。
阅读全文 >

云自适应粒子群优化算法

设粒子群的规模为nPop，第iGen次迭代中粒子Xi的适应度为Fi；粒子群的平均适应度为F_avg=average(Fi)；将适应度优于F_avg的适应值求平均得到F_avg_1，适应度次于F_avg的适应值求平均得到F_avg_2；最优粒子的适应度为F_best。传统的自适应粒子群优化算法，惯性权重根据一定的迭代公式随着算法迭代次数的增加和适应度的减小而线性减小。这里描述的云自适应粒子群优化算法将粒子群体分成3个子群，分别采用不同惯性权重w生成策略，
阅读全文 >

高效且随机分布很好的随机数发生器MersenneTwister

普通的随机数发生器产生的伪随机数经常存在周期比较短，或者效率不高，或者随机分布特征不佳等缺点，这里给出的是一个高效的而且随机分布特征很不错的MersenneTwister随机数发生器，下面是源代码。
阅读全文 >

标准粒子群优化算法源代码2006版

C语言实现的标准粒子群优化算法源代码下载

标准粒子群优化算法经常是改进算法的参考标准，这里给出采用C语言的一个标准PSO算法的实现版本，除了可以作为参考也可以作为改进的基础。
里面有不少常用的测试函数
0 Parabola (Sphere)
1 De Jong’ f4
2 Griewank
3 Rosenbrock (Banana)

阅读全文 >

水文资料的可靠性检查

水文资料数据量很大，某一区域也要有1万到几万条数据，例如，某流域仅选用的主要雨量站就达40多个，还有大量的径流控制站等等，仅40个雨量站40a历年逐月降雨量的数据就达40 x 40 x 12 = 19200个。这样大的数据，在查阅录用时，很有可能出现误读误抄的现象，这是难免的。有的径流站，由于搬迁，使资料缺乏一致性，也要通过检查来发现，进而进行修改或修正。错误的基本数据会导致分析研究结果的错误，也会对规划带来很多不利影响。所以，在利用以前必须慎重，周密核对，并要进行可靠性检查。
阅读全文 >

基于维度划分的协同PSO算法

基于维度划分的协同PSO算法(Cooperative Particle Swarm Optimization，简称CPSO)，算法采用沿不同维度分量划分子群体的原则，即用nGroup个相互独立的微粒群分别在D维的目标搜索空间中的不同维度方向上进行搜索。
阅读全文 >

动态调整学习因子的种群分类粒子群优化算法

动态调整学习因子的种群分类粒子群优化算法(PSO)首先利用粒子适应值的统计规律对粒子种群进行分类，对属于不同类别的粒子采用不同的进化模型，对于利用完全模型进化的粒子，速度更新公式中的“认知部分”和“社会部分”采用动态调整权重c1和c1的方法，这种“种群分类”与“动态学习因子”交互作用的方式，大大改进了算法的性能。
阅读全文 >