搜索资源列表
Steepest-decline
- 最速下降法是以负梯度方向作为下降方向的极小化算法，本程序用该方法求解n元正定二次函数的极小值
adj1
- 基于伴随算子的优化算法，伴随算子作为一个当今优化领域中一个比较有前途的算法，欧美各国都对此作了比较深入的研究，他大大缩短了多参数优化中所需要的时间，可以一次求出所以的下降梯度，求解时间和求解一次流场的时间相当。-Adjoint operator-based optimization algorithm, with the operator as an optimization of today' s one of the more promising algorithms, Europea
NLP
- matlab最优化程序包括 无约束一维极值问题 进退法 黄金分割法 斐波那契法 牛顿法基本牛顿法 全局牛顿法 割线法 抛物线法 三次插值法 可接受搜索法 Goidstein法 Wolfe.Powell法 单纯形搜索法 Powell法 最速下降法 共轭梯度法 牛顿法 修正牛顿法 拟牛顿法 信赖域法 显式最速下降法-matlab optimization program includes one-dimensional extremum problem without constraint adva
Code_MATLAB_Optimization
- 这是龚纯《精通MATLAB最优化计算》随书源码(M文件)。基于MATLAB优化工具箱，代码包含的内容有：牛顿法等无约束一维极值问题、单纯形搜索法等无约束多维极值问题、Rosen梯度投影法等约束优化问题、L-M法等非线性最小二乘优化问题、线性规划、整数规划、二次规划、粒子群优化、遗传算法。-This is pure Gong " Mastering MATLAB optimization calculations," with the book source (M file)
algorithm
- 最小二乘辨识的五种算法：Bayes辨识程序，递推最小二乘，梯度校正最小二乘，增广最小二乘，最小二乘一次完成算法-Identification of the five least-squares algorithm: Bayes identification procedures, recursive least squares, least-squares gradient Calibration, Augmented least squares, least-squares algorithm
conjugategradient
- 最优化程序设计中的共轭梯度法，用于求解n元二次函数-Optimization procedures for the design of the conjugate gradient method for solving n-quadratic function
MATLABoptimization
- matlab最优化程序包括 无约束一维极值问题 进退法 黄金分割法 斐波那契法 牛顿法基本牛顿法 全局牛顿法 割线法 抛物线法 三次插值法 可接受搜索法 Goidstein法 Wolfe.Powell法 单纯形搜索法 Powell法 最速下降法 共轭梯度法 牛顿法 修正牛顿法 拟牛顿法 信赖域法 显式最速下降法， Rosen梯度投影法 罚函数法 外点罚函数法 內点罚函数法 混合罚函数法 乘子法 G－N法 修正G－N法 L－M法
gongetidu
- 共轭梯度法，优化算法的一种，具有二次收敛性，若目标函数为二次正定函数，经有限步可达到极小点-Conjugate gradient method, an algorithm with quadratic convergence, if the objective function is quadratic positive definite function can be achieved by the finite step minima
Matlab
- matlab程序非线性优化设计方法时下流行的关于非线性规划的源程序,包括SQP方法、乘子法程序、二次规划、非线性最小二乘法、共轭梯度法、拟牛顿法、线搜索技术、信赖域方法、最速下降法与牛顿法等-matlab program nonlinear optimization design method popular on nonlinear programming source code, including the SQP method, the multiplier method procedur
gaodengshuxue
- 可实现的算法：软件说明： 1.全主元高斯约当消去法2.LU分解法3.追赶法4.五对角线性方程组解法5.线性方程组解的迭代改善6.范德蒙方程组解法7.托伯利兹方程组解法8.奇异值分解9.线性方程组的共轭梯度法10.对称方程组的乔列斯基分解法11.矩阵的QR分解12.松弛迭代法第2章插值1.拉格朗日插值2.有理函数插值3.三次样条插值4.有序表的检索法5.插值多项式6.二元拉格朗日插值-The algorithm can be realized: Software Descr iption:
Genetic Nonlinear Matlab
- 遗传算法虽然全局搜索能力较强，但是局部搜索能力较弱，一般只能搜索到函数优化问题的次优解，而不是最优解，特别是函数具有多个峰值时，遗传算法易陷入局部极小，不能找到真正的全局最优解。非线性规划因多采用梯度下降方法求解，而具有极强的局部搜索能力。因此，本源代码结合两种算法的优点，一方面采用遗传算法进行全局搜索，另一方面采用非线性规划进行局部搜索，以得到函数优化问题的全局最优解。实验证明，这种方法不仅能解决多峰函数寻优易陷入局部极小的问题，而且具有很高的迭代寻优效率，取得了满意的结果。-Global s
BP
- BP神经网络是一个前向网络，它利用误差反向传播算法对网络进行训练，结构简单，可塑性强。本例选择3层BP神经网络（隐层为1层）来逼近函数，单输入单输出，隐层包含7个神经元，预设精度为0.1，学习率设为0.1，循环次数为5000次，达到循环次数，或结果达到预设精度要求，结束计算。激活函数选择双曲函数，采用梯度下降法，通过神经元的输入和误差，以及权值的学习速率来计算权值的变化率。将输入提供给网络后，神经元的激活值从输入层经各中间层向输出层传播，输出层的神经元获得网络的输入相应。接下来，按照减少目标输出
control-parameters-optimization
- 控制问题转化为了数学规划问题。推导出目标函数对于待求参数的梯度公式，并利用序列二次规划算法求出最优控制量-the problem is changed into mathematical programming problem and formulae are derived for computing the gradients, also, a computational method for finding the optimal control is obtained by using
Optimization-ALogirhtms
- 常用的最优化方法，包括SQP方法，二次规划，信赖域方法，共轭梯度法等-Commonly used optimization method, including the SQP method, quadratic programming, trust region method, conjugate gradient method
Optimization-Methods-
- 《最优化方法及其Matlab程序设计》较系统地介绍了非线性最优化问题的基本理论和算法，以及主要算法的Matlab程序设计，主要内容包括（精确或非精确）线搜索技术、最速下降法与（修正）牛顿法、共轭梯度法、拟牛顿法、信赖域方法、非线性最小二乘问题的解法、约束优化问题的最优性条件、罚函数法、可行方向法、二次规划问题的解法、序列二次规划法等。-" Optimization Methods and Matlab programming," a more systematic introd
grad_conj_md
- 二次函数的共轭梯度法的matlab实现函数，输入相关参数即可进行迭代运算。-The function MATLAB realization of conjugate gradient method of quadratic function.
System-Identification
- 1、经典粒子群算法 2、一次最小二乘法（LS） 3、递推最小二乘算法（RLS） 4、确定性系统的递推梯度校正参数估计（RGC） 5、递推极大似然参数估计算法（RML）-1、Classical particle swarm optimization algorithm matlab code 2、Various types of system identification algorithm
subgradient optimization
- 在最优化问题中，运用拉格朗日松弛时为了解决其对偶问题，可以使用次梯度方法进行求解拉格朗日乘子。(Lagrangean relaxation, a technique of quite general applicability, is studied in the particular context of the optimization problem with arbitrary additional constraints. To solve the Lagrangian dual, w
(FR共轭梯度法程序)
- 在共轭梯度法的实际使用中, 通常在迭代 ?? 步或 ?? + 1 步之后, 重新取负梯 度方向作为搜索方向, 我们称之为再开始共轭梯度法. 这是因为对于一般非二次 函数而言, ?? 步迭代后共轭梯度法产生的搜索方向往往不再具有共轭性. 而对于 大规模问题, 常常每 ??(?? < ?? 或 ?? ? ??) 步就进行再开始. 此外, 当搜索方向不 是下降方向时, 也插入负梯度方向作为搜索方向.(In the practical use of conjugate gradient m
数值计算相关算法
- 三次样条插值 龙贝格积分 共轭梯度法的实现，基于matlab程序(Three spline interpolation Romberg conjugate gradient method)