搜索资源列表
AnIntroductiontoMeanShift
- 均值漂移算法的详细介绍，论证均值漂移算法的收敛性，介绍mean-shift算法在图像分割，目标跟踪领域的应用
实数自适应并行遗传算法的研究
- 曾孝平,陈燕飞,李勇明.实数自适应并行遗传算法的研究。针对遗传算法中的早收敛现象,提出了一种实数自适应并行遗传算法(real adaptive parallel genetic algo- rithm,RAPGA)。该算法采用了一种并行遗传进化结构,并将自适应交叉、变异算子引入到本算法中,增强和保 持了种群的多样性。最后,通过与其他经典优化遗传算法进行比较显示,RAPGA对多个标准测试函数均表现出 较好的搜索性能。
遗传退火进化算法（附源码）
- 对Matlab中的遗传算法工具箱进行改进而得到的遗传退火进化算法。可用于一般的最优化问题，求解无约束的或带有线性约束的连续函数的全局最小值。 首先对传统的遗传算法和模拟退火算法进行改进，然后将模拟退火算法引入了遗传算法，结合两种算法的优点，得到一种新的遗传退火进化算法。它不但实现了遗传算法的全局搜索能力与模拟退火算法的局部搜索能力的结合，同时可使改进后的模拟退火算法能够充分利用遗传算法所得的全局信息。经验证，改算法能使遗传算法避免产生早熟收敛，增强了算法的全局收敛性，而且加快了算法的收敛速
一种新的基于小生境的自适应遗传算法
- 针对遗传算法在全局优化问题中容易出现早熟和收敛速度慢的问题 ,根据群体适应值的分布特点 ,启发性地提出了一种新的基于小生境的自适应遗传算法(ANGA) .
圆球端柱形金属膜片贮箱的屈曲分析
- 文中涉及的球端柱形金属膜片贮箱，其制造材料不是常用的易变形的橡胶，而是与推进剂具有很好相容性的铝膜片，膜片属于金属薄壳构件。在使用ABAQUS对其变形过程进行数值模拟时，应选用与实际构件变形特征相符的单元进行仿真。计算中采用了Riks法，先对完善（无缺陷）结构进行分析，在收敛上却遇到了困难。因而应在完善结构中加入初始几何缺陷，这里采用了添加自定义缺陷的方法，最后成功解决收敛性问题，并得到一定缺陷条件下的屈曲临界载荷值。
上海市城域网技术实施方案
- 目 录 1. 网络结构设计 1 1.1. 城域骨干网B平面组网结构 1 1.2. 宽带接入网组网方案 2 1.2.1. 市区关键业务子网 3 1.2.2. 郊区关键业务子网 3 2. 路由设计 5 2.1. 总体路由策略 5 2.1.1. 城域网B平面设立私有AS，与CN2及CHINANET不直连(MPLS VPN 可以直接连接CN2 SR) 6 2.2. IGP方案 7 2.3. BGP方案 8 2.4. MPLS VPN的CE-PE路由设计 10 3. L3 MPLS
制粒子群算法的移动机器人路径规划
- [摘要】 由于用Pso进行机器人路径规划的研究尚局限于用连续模型规划连续描述的环境中的路径，使算法受到一定的局 限性．为此。研究了一种伞新的基于栅格法的机器人路径规划二进制粒子群算法．首先用栅格法描述机器人工作环境，在此基础 上，将机器人路径表示为粒子位置的二进制编码，并以路径长度为适应值，产生初始种群后，再对粒子佗置和速度进行更新，经 过多次迭代，即可获得从起始点到目标点的一条全局最优路径．该方法模型简单，算法复杂度低，收敛速度快，计算机仿真实验 证明『，该方法的有效性和先进性．
最短路径代码题目
- 、实验目的 因特网中，路由器中路由表的生成是非常关键的技术问题。目前，在因特网中的路由器中，都支持开放最短路径优先（OSPF）路由生成算法。OSPF算法生成速度快，而且收敛快、性能稳定，是目前已知的因特网中路由表生成的最好算法之一。 OSPF最重要的内容是路由器如何根据已接收到的本路由器所在的自治系统（AS）的路由器拓扑结构以及各路由器和网络之间的传输费用（代价、权），生成一条从本路由器到AS中各路由器的最短路径，进而生成路由表。 本实验的目的是根据一个给定的网络拓扑结构及路由器之间的传输
FLoat_GA.rar
- 基于改进的遗传算法，使用浮点编码，使用变量的真值，使其物理意义明确，加速了收敛,Improved genetic algorithm based on the use of floating-point encoding, the true value of the use of variables to make it clear physical meaning to speed up the convergence
单纯形和人口迁移的混合全局优化算法
- 摘要：针对基本人口迁移算法具有易早熟和精度不高等缺陷，利用人口迁移算法随机产生的点采用单纯形法进行优化，提出了 一种基于单纯形法和人口迁移算法的混合全局优化算法。通过典型的测试函数Shaffer，验证了改进后算法的性能，并与10 种类型 的粒子群优化算法进行比较，结果表明，该文算法能获得比较好的解，收敛成功率高达100%。
基于混合粒子群的土壤水分特征曲线参数优化
- 摘要：土壤水分特征曲线是研究土壤水运动的重要参数。Van Genuchten 方程（简称VG方程）是目前运用最广泛的土壤水分特 征曲线方程。将VG方程参数计算问题转化为一个非线性优化问题，然后构建单纯形算法和基本粒子群算法相结合的混合粒子 群算法对其进行求解。仿真实验结果表明采用混合粒子群算法与普通遗传算法、混合遗传算法、基本粒子群算法相比，不但提高 了收敛成功率、降低了迭代次数，而且对参数的取值范围也放宽了；采用混合粒子群算法计算参数的精度比非线性单纯形法和阻 尼最小二乘法要高，且不需
求解非线性方程组的混合人口迁移算法
- 摘要：针对变尺度法对初始值敏感和人口迁移算法容易陷入局部极值的缺陷，结合变尺度法和人口迁移算 法各自的优点，提出了一种混合人口迁移算法，用来求解非线性方程组。该混合算法不仅发挥了人口迁移算 法强大的全局搜索能力，而且利用了变尺度法的局部精细搜索能力。实验结果表明，该算法不但以较高的精 度求出了各种非线性方程组的解，而且鲁棒性强，收敛速度快速，是一种解决非线性方程组问题的较好方法。
求解非线性方程组的BFGS差分进化算法
- 摘要：针对差分进化算法进化后期收敛缓慢和稳定性不强的缺陷，将BFGS算法插入差分进化算法当中，提出了一种BFGS差 分进化算法，用来求解非线性方程组。通过5 个非线性方程组和一个工程实例的实验，说明：算法收敛精度较高、收敛速度较快、 鲁棒性强、收敛成功率高，是一种较好的解决非线性方程组的方法。
求解机械优化的Pareto多目标中心粒子群算法
- 摘要：针对基于权重法的多目标算法无法求解约束多目标问题的缺陷，将中心粒子群算法与Pareto 解集搜索算法相结合，提出 一种Pareto 多目标中心粒子群算法。将此方法用来优化气门弹簧的模型，实验结果表明，该优化方法能够快速准确地收敛于Pareto 解集，并且使其对应的目标域均匀地分布于Pareto最优目标域。
求解药代动力学参数的混合人口迁移算法
- 摘要：针对传统方法优化药代动力学参数时精度不高的缺陷，将Hooke-Jeeves 算法与人口迁移算法有机融 合，使两者取长补短，既提高了算法的精度，又加快了算法的收敛速度。将混合人口迁移算法用于血管外给药 二室模型参数优化的实验之中，不仅比传统的残数法效果要好，而且比Hooke-Jeeves 算法或人口迁移算法更 优，精度更高。多次实验表明：算法具有良好的可靠性和稳定性，是一种较好的解决药代动力学参数的方法。
ch2
- 第2章 信号变换 67 2.1 Z变换及MATLAB实现 67 2.1.1 Z变换的定义 68 2.1.2 Z变换的收敛域 68 2.1.3 Z逆变换 70 2.1.4 Z变换的性质 72 2.1.5 Z变换的工程应用 74 2.2 Chirp Z变换及MATLAB实现 77 2.2.1 Chirp Z变换的定义 77 2.2.2 Chirp Z变换的计算方法 79 2.2.3 Chirp Z变换的MATLAB实现 80 2.3 离散傅里叶变换及MAT
wavelet-neural-network-
- 介绍小波神经网络的基本原理。利用遗传算法来优化小波神经网络,达到提高逼近精度,简化网络结构,提高收敛速度的目的。通过实验将其与传统的小波神经网络进行比较,证实前者具有更优的网络结构,更高的逼近精度。-Introduce the basic principles of wavelet neural network. The use of genetic algorithms to optimize the wavelet neural network to improve the approxim
MTaylor
- 空间定位Taylor算法的改进算法,可以保证算法的收敛性.-Taylor Spaces positioning algorithm algorithm algorithm can guarantee convergence.
IndependentComponentAnalysis
- FastICA算法，又称固定点(Fixed-Point)算法，该算法采用了定点迭代的优化算法，使得收敛更加快速、稳健。-FastICA algorithm, also known as fixed-point (Fixed-Point) algorithm, which uses fixed-point iteration of the optimization algorithm, making convergence more rapid, and robust.
rateVSpercentage
- 神经网络系统 BP,MGFPROP,SAMGFPROP, QUICKPROP, SARPROP 解决XOR问题收敛速度和收敛率的图形比较(不同数量的weightfile和不同范围的weight range)-compare BP[0] MGFPROP[1] SAMGFPROP[2] QUICKPROP[3] SARPROP[4] to solve XOR problem