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
逢山开路模型
- 在本问题的求解中，修桥和挖隧道是两个相类似的求解过程，我们将求解过程分为两个部分：第一、对河岸边一固定点 ，将桥修在 处时，求解由起始点 到经固定点 到居民点 的最短路线。第二、如何确定 的位置，使得总路线的费用最小。我们分别用了两个模型来进行这两部分内容的求解。模型一、针对坡度的限制，利用小区域内的局部最优来达到全局最优。模型二、列出点 有一定的位移时，可以减少的费用 的函数方程，然后利用河岸附近等高线较紧密，公路不能沿偏离等高线方向前进的特性，求出减少的费用 的条件极值，从而确定最佳修桥地点
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
thresh_md
- 这是matlab编写的全局最优的图像二值化方法-prepared by the global optimum image binarization methods
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。
粒子群算法计算最短路径
- 优化问题是工业设计中经常遇到的问题,许多问题最后都可以归结为优化问题. 为了解决各种各样的优化问题,人们提出了许多优化算法,比较著名的有爬山法、遗传算法等.优化问题有两个主要问题:一是要求寻找全局最小点,二是要求有较高的收敛速度. 爬山法精度较高,但是易于陷入局部极小. 遗传算法属于进化算法( Evolutionary Algorithms) 的一种,它通过模仿自然界的选择与遗传的机理来寻找最优解. 遗传算法有三个基本算子:选择、交叉和变异. 但是遗传算法的编程实现比较复杂,首先需要对问题进行编
tuxiangqiege
- 基于像素点的全局阈值法求图像的分割 实现方法有五种： 最小极值法，最优阈值法，最大方差方法，最大熵法，迭代法-Pixel-based global threshold method for image segmentation method there are five: the smallest extreme value method, the optimal threshold method, the largest variance method, the maximum ent
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
geneticalgorithm
- 结合离散时间系统最优控制问题,提出一种新的混合算法.该算法是在遗传操作中嵌入模 拟退火算子,有效地结合了遗传算法隐含并行与模拟退火算法全局寻优的特点 -By embedding simulated annealing operator into genetic algorithm, a hybrid algorithm is put forward, which assimilates advantages ofboth genetic algorithm and simulated
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
yuqunsuanfa
- 人工鱼群算法求解函数极值问题，对于多极值问题可以跳出局部最优，寻求到全局最优。(Artificial fish swarm algorithm for function extremum problem)
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.)
广义联邦滤波器的全局最优性
- 广义联邦滤波器的全局最优性，一种简单算法介绍。(The global optimality of generalized federated filters, a simple algorithm is introduced.)
SimulateAnnealing1
- 用模拟退火程序在三维空间内跳跃寻找最值，适用于二次函数，全局最优(The simulated annealing program is used to jump in the three-dimensional space to find the maximum value, which is suitable for the two function, the global optimum.)
pso2
- 粒子群比遗传算法规则更为简单，它没有遗传算法的“交叉”(Crossover) 和“变异”(Mutation) 操作，它通过追随当前搜索到的最优值来寻找全局最优。这种算法以其实现容易、精度高、收敛快等优点引起了学术界的重视，并且在解决实际问题中展示了其优越性。粒子群算法是一种并行算法。(It is more simple than the genetic algorithm rule. It doesn't have the crossover (Crossover) and the Mutati
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)
基于最优流的配电网络重构程序
- 提出了一种基于改进最优流和遗传算法的配电网重构算法.该算法先利用配电网的同胚图将重构问题的全局寻优空间划分为若干子空间,然后利用改进最优流法寻找子空间内的最优解,之后再利用遗传算法搜索全局最优解所在的子空间,从而实现在局部最优解中寻找全局最优解.(A distribution network reconfiguration algorithm based on improved optimal flow and genetic algorithm is proposed. First, the
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