<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[Duckbub1的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/Duckbub1</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Duckbub1]]></copyright><item><title><![CDATA[RBF神经网络参数的参数优化(进化算法)+Matlab源码]]></title><link>https://blog.youkuaiyun.com/Duckbub1/article/details/124770670</link><guid>https://blog.youkuaiyun.com/Duckbub1/article/details/124770670</guid><author>Duckbub1</author><pubDate>Sat, 14 May 2022 18:44:20 +0800</pubDate><description><![CDATA[@RBF神经网络参数的参数优化(进化算法)
]]></description><category></category></item><item><title><![CDATA[粒子群实现K-means聚类+常规K-means（Matlab源码实现）]]></title><link>https://blog.youkuaiyun.com/Duckbub1/article/details/120072737</link><guid>https://blog.youkuaiyun.com/Duckbub1/article/details/120072737</guid><author>Duckbub1</author><pubDate>Fri, 03 Sep 2021 01:47:34 +0800</pubDate><description><![CDATA[传统K-means 是我们最常用的基于欧式距离的聚类算法，其认为两个目标的距离越近，相似度越大。如何使用进化算法（如：PSO）实现K-means，其难点在于适应度函数的构建。本文提供一种思路：转化为优化问题，即变成：找到K个聚类中心使 所有点到所属类别的距离之和最小！！！]]></description><category></category></item><item><title><![CDATA[进化算法（EA）求解多峰值函数优化（Matlab源码）]]></title><link>https://blog.youkuaiyun.com/Duckbub1/article/details/119689365</link><guid>https://blog.youkuaiyun.com/Duckbub1/article/details/119689365</guid><author>Duckbub1</author><pubDate>Sat, 14 Aug 2021 03:24:47 +0800</pubDate><description><![CDATA[本文提供两种进化算法（DE和GA）求解多峰值问题。
进化算法的优越性在于能实现全局搜索，并能较好的处理复杂问题（无需求解梯度），无需人为给定初值，在多峰值优化问题中占据优势！]]></description><category></category></item><item><title><![CDATA[差分进化（DE）算法实现带约束优化（Matlab源码）]]></title><link>https://blog.youkuaiyun.com/Duckbub1/article/details/119687271</link><guid>https://blog.youkuaiyun.com/Duckbub1/article/details/119687271</guid><author>Duckbub1</author><pubDate>Sat, 14 Aug 2021 01:34:59 +0800</pubDate><description><![CDATA[关于单目标无约束优化问题，常见的做法为对违反约束的个体惩罚，即对适应度加上惩罚项，此方法一定程度上可以解决简单约束问题。但面对复杂的约束问题，惩罚项系数的选择变得十分困难；现提供一种思路，基于多目标优化思想，Pareto无支配排序准则，同等重要的看待目标函数（cost）和约束（cons）,以下结合一种实例对给出Matlab源码实现。]]></description><category></category></item></channel></rss>