元胞自动机介绍

网摘

元胞自动机(Cellular Automata，简称CA)，也有人译为细胞自动机、点格自动机、分子自动机或单元自动机，是一时间和空间都离散的动力系统。散布在规则格网(Lattice Grid)中的每一元胞(Cell)取有限的离散状态，遵循同样的作用规则，依据确定的局部规则作同步更新，大量元胞通过简单的相互作用而构成动态系统的演化。不同于一般的动力学模型，元胞自动机不是由严格定义的物理方程或函数确定，而是用一系列模型构造的规则构成。凡是满足这些规则的模型都可以算作是元胞自动机模型。
阅读全文 >

改进的基于进化阶段的自适应遗传算法

基于进化阶段的自适应遗传算法将整个进化阶段划分为3个阶段，基于不同阶段的进化特点及要求，采取不同的自适应策略，包括选择算子、交叉算子、变异算子的自适应策略。
阅读全文 >

引入代间差分的粒子群优化算法

在标准粒子群优化算法进化过程中引入新的代间差分粒子更新算法，并按照模拟退火方法进行更新后粒子的选择，使得PSO算法更为有效。
阅读全文 >

模拟退火算法源代码

模拟退火算法是20世纪80年代初期发展起来的一种求解大规模组合优化问题的随机性方法。它以优化问题的求解与物理系统退火过程的相似性为基础，利用Metropolis算法并适当地控制温度的下降过程实现模拟退火，从而达到求解全局优化问题的目的。传统的模拟退火算法介绍可以看CnHUP写的一篇文章[模拟退火算法]。这里给出了传统模拟退火算法源代码，可供参考，也可以作为改进的基础，具体代码如下：
阅读全文 >

对称交叉的差分进化算法

标准差分进化算法产生新个体时，采用的交叉算子是以交叉因子CR为依据的交叉方式，当(rand() < CR)时，这一维度上的变量采用经过变异后的相应维度上的变量，其余的维度上仍保持原来的值不变，经过变异交叉后产生的这个新个体与父个体通过选择操作选优。
阅读全文 >

和声搜索算法源代码

和声搜索算法是一和启发式的全局搜索智能算法，在许多优化问题中得到了成功应用，而且在不少优化问题上比常规的一些智能算法的性能表现更优越，并且程序实现比较简单，这里给出的源代码是和声搜索算法的一个实现版本，harmony search算法的介绍流程可以参考CnHUP写的和声搜索算法，具体代码如下：
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 >