搜索资源列表
模拟退火源码
- 模拟退火算法 模拟退火算法(Simulated Annealing,简称SA算法)是模拟加热熔化的金属的退火过程，来寻找全局最优解的有效方法之一。 模拟退火的基本思想和步骤如下： 设S＝{s1,s2,…,sn}为所有可能的状态所构成的集合， f：S—R为非负代价函数，即优化问题抽象如下： 寻找s*∈S，使得f(s*)＝min f(si) 任意si∈S （1）给定一较高初始温度T，随机产生初始状态S （2）按一定方式，对当前状态作随机扰动，产生一个新的状态S’ S’＝S＋sign(η).δ 其中δ
matlab模拟退火
- 模拟退火算法是为了避免求解最优化出现局部极值的问题而提出的算法，保证最终的结果是全局最优的，该matlab源程序能在matlab环境中实现-simulated annealing method is the best solution in order to avoid a partial optimization of extreme concern raised by the algorithm to ensure that the final result is that the glob
GA_PID
- 此程序代码为基于遗传算法的PID整定，利用MATLAB编程实现。该程序通过遗传算法实现参数寻优，是一种不需要任何初始信息并可以寻求全局最优解的、高效的优化组合方法。-this procedure code based on genetic algorithms for PID tuning, using MATLAB programming. The procedures through genetic algorithm optimization of the parameters. is a
EGA
- 遗传算法的程序 遗传 算 法 (GeneticA lgorithm,G A)是一种大规模并行搜索优化算法，它模 拟了达尔文“适者生存”的进化规律和随机信息交换思想，仿效生物的遗传方式， 从随机生成的初始解群出发，开始搜索过程。解群中的个体称为染色体，它是一 串符号，可以是一个二进制字符串，也可以是十进制字符串或采用其他编码方式 形成的码串。对父代(当前代)群体进行交叉、变异等遗传操作后，根据个体的 适应度〔fitness)进行选择操作，适应度高的个体有较高的概率被选中并
Matlab
- 本文介绍了遗传算法的流程及几个算子, 给出了在matlab 语言环境下实现编码、译码、选择、重组和变异各算子的编程方法, 最 后用一个实例来说明遗传算法在寻找全局最优解中的应用。
ga_tsp530
- 免疫遗传算法用于搜索全局最优解,经验证具有很好的效率和收敛性
RBF
- 文中设计了一个3层径向基神经网络(RBFN)用于对企业的5项评价指标进行聚类分析，并与蚁群算法做了比较分析。RBFN由输入层 到隐含层采用传统的K一均值算法，隐含层到输出层通过“模2递减”学习速率的BP学习；蚁群算法根据信息素的分配能够自动调整收索 路径，从而达到数据自动聚类的目的。结果表明，与蚁群算法相比，改进RBFN具有快速收敛、自动识别奇异样本的优点，而蚁群算法 无须教师学习，并能够达到全局最优。
afs1
- 人工鱼群算法（AFSA）是2002年李晓磊提出的基于鱼群行为的寻求全局最优 的新型搜索策略，该算法具有较优的全局收敛能力及较快的寻优速度。本文首次将 人工鱼群算法应用于人工神经网络的学习，形成了人工鱼群神经网络模型，通过与 BP算法、模拟退化算法、进化算法训练的人工神经网络进行比较，验证了人工鱼群 神经网络在全局寻优能力上的优势，进而利用人工鱼群神经网络进行电力系统短期 负荷预测，建立了人工鱼群神经网络预测模型。为了进一步提高算法的稳定性，以 及求得全局最优值的能力，文中
以K－均值聚类结果为初始解的模拟退火聚类
- 由于K－均值聚类算法局部最优的特点，而模拟退火算法理论上具有全局最优的特点。因此，用模拟退火算法对聚类进行了改进。20组聚类仿真表明，平均每次对K结果值改进8次左右，效果显著。下一步工作：实际上在高温区随机生成邻域是个组合爆炸问题（见本人上载软件‘k－均值聚类算法’所述），高温跳出局部解的概率几乎为0，因此正考虑采用凸包约束进行模拟聚类，相关工作正在进行。很快将奉献给各位朋友。-as K-means clustering algorithm for optimal local character
自适应算法matlab程序
- 此程序是遗传算法的改进，通过改进变异和交换概率达到全局最优解！
SURFACESMATCHINGALGORITHMBASEDONGENETICALGORITHMAN
- 针对基于最小二乘法的ICP 曲面匹配算法难以处理待比较曲面的局部大变形问题, 提出一种改进算 法。即采用遗传算法确定曲面初始相对位置以保证匹配优化结果为全局最优值, 利用ICP 算法匹配结果构造 偏差阈值, 以此阈值过滤点群后再以最小二乘法进行匹配处理, 消除局部大变形影响, 获得合理的变换矩阵。以此变换矩阵变换初始点群再进行误差计算, 从而获得理想的匹配结果-Least square method based on the ICP surface matching algorithm
depso
- 基于差分进化的粒子群优化算法，（全局最优粒子群优化算法）-Based on differential evolution particle swarm optimization, (global optimization PSO)
SA_GA
- 基于遗传模拟退火算法的聚类算法。将模拟退火算法与遗传算法相结合用于聚类分析，由于模拟退火算法和遗传算法可以互相取长补短，因此有效地克服了传统遗传算法的早熟现象，同时根据聚类问题的具体情况设计遗传编码方式、适应度函数，使该算法更有效、更快速地收敛到全局最优解。 -Genetic simulated annealing algorithm based on clustering algorithms. Simulated annealing algorithm and genetic algo
GA
- 通过多目标优化算法计算了多决策的全局最优值。而且包含解码程序。-Through multi-objective optimization algorithm for calculating a number of global optimal values of decision-making. And decoding procedures contain.
moyituhuo
- 模拟退火算法的基本思想是从一给定解开始,从邻域中随机产生另一个解,接受Metropolis准则允许目标函数在有限范围内变坏,它由一控制参数t决定,其作用类似于物理过程中的温度T,对于控制参数的每一取值,算法持续进行“产生—判断—接受或舍去”的迭代过程,对应着固体在某一恒定温度下的趋于热平衡的过程,当控制参数逐渐减小并趋于0时,系统越来越趋于平衡态,最后系统状态对应于优化问题的全局最优解,该过程也称为冷却过程,由于固体退火必须缓慢降温,才能使固体在每一温度下都达到热平衡,最终趋于平衡状态,因此控制
Simulatedannealing
- 模拟退火算法来源于固体退火原理，将固体加温至充分高，再让其徐徐冷却，加温时，固体内部粒子随温升变为无序状，内能增大，而徐徐冷却时粒子渐趋有序，在每个温度都达到平衡态，最后在常温时达到基态，内能减为最小。 模拟退火算法能使问题解达到全局最优，这个程序用C#实现，简单易懂，能抓住该算法的精髓。-Simulated annealing algorithm derived from the principle of solid annealing, heating the solid to the
define_the_latter_table.txt
- 根据贪心算法，来求解最小生成树； 这种情况，可能求不不全局最优解，但是，可以求出当前情况下的最优解；-According to greedy algorithm to solve the minimum spanning tree this situation, it may not seek the global optimal solution is not, however, you can find the optimal solution under the current si
新建文件夹
- 利用MATLAB语言对该算法寻优过程进行了仿真，仿真结果表明该算法可以找出全局最优解。(The optimization process of the algorithm is simulated by using MATLAB language. The simulation results show that the algorithm can find the global optimal solution.)
filled function
- 利用matlab的填充函数方法求解全局最优解的源代码(Using Matlab's Fill Function Method to Solve the Source Code of Global Optimal Solution)
全局最优求解
- 利用matlab的globalsearch求解器寻求微分方程的局部最优解，从而得到微分方程的全局最优解