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
模拟退火例子1
- 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。根据Metropolis准则，粒子在温度T时趋于平衡的概率为e-ΔE/(kT)，其中E为温度T时的内能，ΔE为其改变量，k为Boltzmann常数。用固体退火模拟组合优化问题，将内能E模拟为目标函数值f，温度T演化成控制参数t，即得到解组合优化问题的模拟退火算法：由初始解i和控制参数初值t开始，对
模拟退火例子2
- 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。根据Metropolis准则，粒子在温度T时趋于平衡的概率为e-ΔE/(kT)，其中E为温度T时的内能，ΔE为其改变量，k为Boltzmann常数。用固体退火模拟组合优化问题，将内能E模拟为目标函数值f，温度T演化成控制参数t，即得到解组合优化问题的模拟退火算法：由初始解i和控制参数初值t开始，对
模拟退火例子3
- 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。根据Metropolis准则，粒子在温度T时趋于平衡的概率为e-ΔE/(kT)，其中E为温度T时的内能，ΔE为其改变量，k为Boltzmann常数。用固体退火模拟组合优化问题，将内能E模拟为目标函数值f，温度T演化成控制参数t，即得到解组合优化问题的模拟退火算法：由初始解i和控制参数初值t开始，对
FuzzySys
- 利用人工智能中的模糊控制算法模拟水温控制的过程，显示实际温度和目标温度之间的差值的变化曲线，源代码-use of artificial intelligence fuzzy control algorithm simulation of the temperature control process, reflect the actual temperature and the temperature difference between the curves, source code
fuzzy_control_C
- 基于模糊原理的温度控制演示程序，C++编写，完整的模糊控制算法-Fuzzy theory based temperature control demonstration program, the preparation of C, a complete fuzzy control algorithm
MCRGSA
- MCRGSA------组播路由问题遗传模拟退火算法 ％M-----------遗传算法进化代数 ％N-----------种群规模，取偶数 ％Pm----------变异概率调节参数 ％K-----------同一温度下状态跳转次数 ％t0----------初始温度 ％alpha-------降温系数 ％beta--------浓度均衡系数 ％ROUTES------备选路径集 ％Num---------到各节点的备选路径数目 ％Cost-------
amebsa514
- 本程序实际上是把模拟退火过程引入单纯形法来求多元函数的极值，和用模拟退火算法求旅行熵问题有许多不同。获得本程序后，需要自行编制程序调低温度temper，重置iter，以满足个人的不同应用需要。
模拟退火算法实现旅行商算法
- 采用的是康力山等人确定的实验参数。 对于n个城市的旅行商问题，其参数如下： 初始温度：t0=280, 每一个温度下采用固定的迭代次数L=100n, 温度的衰减系数alpha=0.92 算法停止的准则是当相邻两个温度得到的解变化很小时算法停止。-used the Stanozolol Hill were determined by the experimental parameters. N cities for the traveling salesman problem, the para
TSPSA.模拟退火算法SA求解TSP旅行商问题
- 模拟退火算法SA求解TSP旅行商问题。可以自己设定初始温度和冷却温度,SA simulated annealing algorithm for solving traveling salesman problem TSP. Can be set for the initial temperature and cooling temperature
TSP
- 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。根据Metropolis准则，粒子在温度T时趋于平衡的概率为e-ΔE/(kT)，其中E为温度T时的内能，ΔE为其改变量，k为Boltzmann常数。用固体退火模拟组合优化问题，将内能E模拟为目标函数值f，温度T演化成控制参数t，即得到解组合优化问题的模拟退火算法：由初始解i和控制参数初值t开始，
annealing
- 这是模拟退火算法，用于解决换热器网络出口温度达到最大值的问题-This is a simulated annealing algorithm used to solve the heat exchanger outlet temperature to achieve maximum network problems
mnth
- 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。根据Metropolis准则，粒子在温度T时趋于平衡的概率为e-ΔE/(kT)，其中E为温度T时的内能，ΔE为其改变量，k为Boltzmann常数。用固体退火模拟组合优化问题，将内能E模拟为目标函数值f，温度T演化成控制参数t，即得到解组合优化问题的模拟退火算法：由初始解i和控制参数初值t开始，对
immune-gengtic-simulation
- 为了更好了解遗传神经网络在系统中的对比效果，我们以室内温度控制为例，设室内的温度控制目标为18℃（20℃），其他参数保持不变的情况下，分别按照单独神经网络和基于遗传算法优化后的神经网络控制进行仿真实验.仿真结果表明，上述应用遗传算法优化的神经网络是非常有效的，通过运用遗传算法对神经网络进行优化，使其具有良好的泛化能力和快速的收敛性。-To better understand the genetic neural network contrast in the system, we control
hbkjglglgjh
- 当测量温度等于设定温度时，程序返回温度设定模块，当测量温度不等于设定温度时，启动PID控制模块，然后返回测量显示模块，如此循环下去，直到测量温度等于设定温度为止。由于恒温箱温度控制系统具有大时滞和非线性特性，常规PID控制参数难以整定。在此设计了自整定PID算法，解决了PID整定困难的问题。下面介绍自整定PID算法的设计过程。 -When the measured temperature is equal to the set temperature, the program returns
Fuzzy_Adaptive-Control-v2
- 针对冷水机高低温的温度控制算法，采用了性能优良的模糊控制算法，精度非常高-High and low temperature for the chiller temperature control algorithm, using the excellent performance of the fuzzy control algorithm, the accuracy is very high
BP
- 基于大坝温控的温度预报程序，采用了L-M优化算法和贝叶斯正则化算法，结果良好-Prediction based on the temperature of the dam temperature control program, using the LM optimization algorithm and the Bayesian regularization algorithm, good results
TSP
- 模拟退火算法求解旅行商问题 程序使用的参数说明：初始温度的选取方法：取一个确定值：280度 状态被接受的条件：如果delta f < 0, 则At = 1，否则At = exp(-delta f / t) 降温算法：采用等比例下降的方法，比例系数为0.95 同一温度内计算结束的条件： 在每个温度下采用固定的迭代次数，Lk=100n，n为城市数； 算法结束条件： 当相邻三个温度得到的解无任何变化时算法停止。 -Simulated annealing algo
SA
- 模拟退火算法 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。根据Metropolis准则，粒子在温度T时趋于平衡的概率为e-ΔE/(kT)，其中E为温度T时的内能，ΔE为其改变量，k为Boltzmann常数。用固体退火模拟组合优化问题，将内能E模拟为目标函数值f，温度T演化成控制参数t，即得到解组合优化问题的模拟退火算法：由初始解i
模拟退火算法
- 模拟退火算法来源于固体退火原理，是一种基于概率的算法，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。(The simulated annealing algorithm derived from the principle of solid annealing, is a kind of algorithm based on probability, the solid h