Advertisement

CEC2017测试函数集合、文档和Matlab代码.rar

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
本资源包包含CEC2017评测标准函数集及其文档说明，附带相关Matlab实现代码，适用于科研及优化算法测试。 CEC2017函数集、参考文档及Matlab代码提供了相关的资源集合，便于研究与应用。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • CEC2017测试函数集合、文档和Matlab代码.rar
    优质
    本资源包包含CEC2017评测标准函数集及其文档说明，附带相关Matlab实现代码，适用于科研及优化算法测试。 CEC2017函数集、参考文档及Matlab代码提供了相关的资源集合，便于研究与应用。
     
  • CEC2017代码和使用文档.rar
    优质
    这是一个包含了CEC2017竞赛相关代码及使用说明的压缩文件，适用于参与或研究该赛事的技术人员。 CEC-2017的代码在各个网站上质量参差不齐，有的甚至无法运行或不够完整。作者搜集了大量资料，整理并分享了一套完整的CEC2017代码（包括C语言和MATLAB版本），用于示范PSO算法，并附上了相关资料。
     
  • CEC2017与CEC2019测试函数的智能优化算法源代码及PDF文档
    优质
    本资源包含CEC2017和CEC2019标准测试函数的智能优化算法源代码及其相关PDF文档，适用于科研和学习。 测试函数优化算法，使用CEC2017和CEC2019的测试源代码，并包含相关PDF文档。
     
  • CEC2017函数测试工具与CEC认证（MATLAB）
    优质
    本课程介绍CEC2017函数测试集及如何使用MATLAB进行优化算法评估，并涵盖CEC认证流程。适合科研人员和工程师学习。 最新的进化算法测试函数集现已可用，包含30个可运行的函数，并附带一个标准PSO代码。
     
  • CEC2017 优化问题测试函数
    优质
    CEC2017 优化问题测试函数是专为评估和比较不同进化算法性能而设计的一系列复杂数学函数集。这些函数涵盖了广泛的优化挑战，包括单峰与多峰、低维与高维等情形，旨在促进学术界对优化技术的深入研究与发展。 CEC 2017 常用的单目标测试函数可以用于评估智能优化方法的性能。这些函数定义了竞赛中的问题及其评价标准，旨在对约束实参数优化进行评测。
     
  • CEC2014测试函数和PDF文档说明.rar
    优质
    这是一个包含CEC2014测试函数及其PDF文档说明的压缩文件。适用于科研人员与学生研究连续优化问题时使用。 智能优化算法测试函数CEC2014包含多种编程语言版本，包括Matlab、C、Python和Java等。
     
  • CEC2017测试函数的C++源码、示例及文献简介
    优质
    本段内容提供CEC2017竞赛所用测试函数的C++实现代码及其使用示例，并附有相关文献资料，便于研究和应用。 这段文字描述了CEC2017测试函数的相关资源，包括C++源码、Matlab示例以及文献《Definitions of CEC2017 benchmark suite final version updated》。
     
  • 【CEC2017】29个单一目标测试函数
    优质
    本资料集包含CEC 2017竞赛中使用的29个标准化单一目标优化问题，适用于评估和比较进化算法等数值优化方法的性能。 以粒子群优化算法为例，在测试函数方面使用了CEC2017单目标函数，并且运行顺利。资源包括：CEC2017单目标测试函数、该测试函数的原始论文以及PSO算法的相关资料。
     
  • Bohachevsky Matlab代码.zip_测试函数与约束测试函数MATLAB
    优质
    本资源包含Bohachevsky系列测试函数的Matlab实现代码，适用于优化算法研究中的无约束和约束条件下的性能评估。 有约束和无约束的测试函数代码可用于优化算法的测试。
     
  • MATLAB代码集：CEC中的28个测试函数
    优质
    本代码集包含用于CEC标准的28个测试函数，适用于优化算法的研究与评估，广泛应用于学术研究和工程实践。 这是“A high-efficiency adaptive artificial bee colony algorithm using two strategies for continuous optimization”这篇论文中28个CEC测试函数的MATLAB代码，本人亲自编写并进行了测试，效果与论文中的结果一致。对于研究群智能优化算法的同学可以直接使用这段代码。