搜索资源列表
unconstrained_optimization
- VC实现的，多维函数搜索，无约束优化方法， (1)最速下降法 (2)阻尼牛顿法(3)共轭梯度法 (4)鲍维尔法(5)变尺度法(6)单纯形法 -VC implementation, multi-dimensional function of search, unconstrained optimization methods, (1), steepest descent method (2) damped Newton' s method (3) conjugate gradient
opt_steep
- 最速下降法，沿梯度下降的方法寻找最优解的经典方法-Steepest descent method
Newton
- 压缩包里包含了无约束优化问题常用的几种求解方法的源程序：变量轮换法（variable_rotation.m）、最速下降法（steepest_descent.m）、修正牛顿法（modified_newton.m）、共轭梯度法（conjugate_gradient.m）。另外，coefficient_matrix.m为目标函数系数获得矩阵，minval.m为最小值计算函数，gradient.m为梯度计算函数-Compression bag contains unconstrained optimiz
conjugateGradient
- 共轭梯度法（Conjugate Gradient）是介于最速下降法与牛顿法之间的一个方法，它仅需利用一阶导数信息，但克服了最速下降法收敛慢的缺点，又避免了牛顿法需要存储和计算Hesse矩阵并求逆的缺点，共轭梯度法不仅是解决大型线性方程组最有用的方法之一，也是解大型非线性最优化最有效的算法之一。-failed to translate
factorize
- 是推荐系统中最基础的MF实现程序，使用梯度下降的方法，用迭代优化的方式找到最优解-Recommendation system is the most basic MF realize procedure, using a gradient descent method, using an iterative optimization approach to find the optimal solution
智能优化算法资料
- 优化算法有很多，经典算法包括：有线性规划，动态规划等；改进型局部搜索算法包括爬山法，最速下降法等，模拟退火、遗传算法以及禁忌搜索称作指导性搜索法。而神经网络，混沌搜索则属于系统动态演化方法。 梯度为基础的传统优化算法具有较高的计算效率、较强的可靠性、比较成熟等优点，是一类最重要的、应用最广泛的优化算法。但是，传统的最优化方法在应用于复杂、困难的优化问题时有较大的局限性。(There are many optimization algorithms, the classical algori