蟻群算法是新興的仿生算法，最初是由意大利學(xué)者Dorigo M于1991年首次提出，由于具有較強(qiáng)的魯棒性，優(yōu)良的分布式計(jì)算機(jī)制和易于與其它方法結(jié)合等優(yōu)點(diǎn)，成為人工智能領(lǐng)域的一個(gè)研究熱點(diǎn)。本程序是實(shí)現(xiàn)簡(jiǎn)單的蟻群算法
上傳時(shí)間： 2016-05-18
上傳用戶：sxdtlqqjl
模擬進(jìn)程通信來(lái)實(shí)現(xiàn)bully算法，分布式系統(tǒng)重要算法
上傳時(shí)間： 2014-01-17
上傳用戶：wqxstar
這個(gè)m文件實(shí)現(xiàn)了Newton raphsom算法，從而解決分布式功率流問(wèn)題。
上傳時(shí)間： 2017-02-21
上傳用戶：anng
Hadoop是一個(gè)用于運(yùn)行應(yīng)用程序在大型集群的廉價(jià)硬件設(shè)備上的框架。Hadoop為應(yīng)用程序透明的提供了一組穩(wěn)定/可靠的接口和數(shù)據(jù)運(yùn)動(dòng)。在 Hadoop中實(shí)現(xiàn)了Google的MapReduce算法，它能夠把應(yīng)用程序分割成許多很小的工作單元，每個(gè)單元可以在任何集群節(jié)點(diǎn)上執(zhí)行或重復(fù)執(zhí)行。此外，Hadoop還提供一個(gè)分布式文件系統(tǒng)用來(lái)在各個(gè)計(jì)算節(jié)點(diǎn)上存儲(chǔ)數(shù)據(jù)，并提供了對(duì)數(shù)據(jù)讀寫的高吞吐率。由于應(yīng)用了map/reduce和分布式文件系統(tǒng)使得Hadoop框架具有高容錯(cuò)性，它會(huì)自動(dòng)處理失敗節(jié)點(diǎn)。已經(jīng)在具有600個(gè)節(jié)點(diǎn)的集群測(cè)試過(guò)Hadoop框架。
標(biāo)簽： Hadoop MapReduce Google 應(yīng)用程序
上傳時(shí)間： 2017-05-08
上傳用戶：wpwpwlxwlx
蟻群算法基本模型STEP1（外循環(huán)）若滿足算法停止規(guī)則，停止計(jì)算，輸出計(jì)算得到的最好解給定外循環(huán)的最大數(shù)目，表明有足夠的螞蟻工作當(dāng)前最優(yōu)解連續(xù)K次相同而停止，K是給定的整數(shù)，表示算法已收斂◆給定優(yōu)化問(wèn)題的下界和誤差值，當(dāng)算法得到的目標(biāo)值同下界之差小于給定的誤差值時(shí)，算法終止否則使螞蟻s（1≤s≤m）從起點(diǎn)出發(fā)，用L（S）表示螞蟻S行走的城市集合，初始L（s）為空集。設(shè)m只螞蟻在圖的相鄰節(jié)點(diǎn)間移動(dòng)，協(xié)作異步地得到解。螞蟻計(jì)算出下一步所有可達(dá)節(jié)點(diǎn)的一步轉(zhuǎn)移概率，并按此概率實(shí)現(xiàn)一步移動(dòng)，依此往復(fù)。一步轉(zhuǎn)移概率由圖中每條邊上的兩類參數(shù)決定：信息素值、可見度（即先驗(yàn)值）。信息素的更新有2種方式：揮發(fā)——所有路徑上信息素以一定比率減少增強(qiáng)——給評(píng)價(jià)值“好”（有螞蟻?zhàn)哌^(guò)）的邊增加信息素蟻群算法基木模型令我們以求解平面上n個(gè)城市的TSP問(wèn)題（1，2，…，n）表示城市號(hào)為例說(shuō)明ACA的模型。n個(gè)城市的TSP問(wèn)題就是尋找通過(guò)n個(gè)城市各次且最后回到出發(fā)點(diǎn)的最短路徑蟻群算法研究現(xiàn)狀令A(yù)CA是模擬自然界中真實(shí)蟻群的覓食行為而形成的一種模擬進(jìn)化算法。10年多來(lái)的研究結(jié)果已經(jīng)表明：ACA用于組合優(yōu)化具有很強(qiáng)的發(fā)現(xiàn)較好解的能力，具有分布式計(jì)算易于與其他方法相結(jié)合、魯棒性強(qiáng)等優(yōu)點(diǎn)，在動(dòng)態(tài)環(huán)境下也表現(xiàn)出高度的靈活性和健壯性。在求解TSP、QAP問(wèn)題方面，與遺傳算法、模擬退火算法等算法比較，ACA仍是最好的解決方法之一。
標(biāo)簽： 螞蟻算法
上傳時(shí)間： 2022-03-10
上傳用戶：
C算法(第一卷)-帶目錄.pdfC語(yǔ)言數(shù)值算法程序大全（第二版）.pdfC語(yǔ)言經(jīng)典算法大全.pdfff6f5d529e875d2bec2713adc98d25b477aa8a63.pdfIntroduction to Algorithms(3rd Edition).pdfMATLAB語(yǔ)言常用算法程序集.pdfNetflix Prize中的協(xié)同過(guò)濾算法.pdfp范數(shù)正則化支持向量機(jī)分類算法_劉建偉.pdf[數(shù)據(jù)結(jié)構(gòu)與算法分析C.描述].(美國(guó))Mark.Allen.Weiss.掃描版.pdf[程序語(yǔ)言的奧妙：算法解讀（四色全彩）].(杉浦賢).李克秋.掃描版.pdf《算法導(dǎo)論(原書第3版)》.pdf【愛生活的程序員-氣宗】算法導(dǎo)論（第三版）.pdf【算法（第4版）迷你書】.pdf一種基于灰度變換的紅外圖像增強(qiáng)算法.pdf一種改進(jìn)的支持向量機(jī)的文本分類算法.pdf一種靜態(tài)圖像壓縮編碼算法的改進(jìn).pdf個(gè)性化搜索引擎推薦算法研究.pdf分布式計(jì)算——原理、算法和系統(tǒng).pdf十五個(gè)經(jīng)典算法研究與總結(jié)、目錄+索引by_July (1).pdf十五個(gè)經(jīng)典算法研究與總結(jié)、目錄+索引by_July.pdf十大濾波算法程序大全（Arduino精編無(wú)錯(cuò)版） - Powered by Discuz!.pdf圖論及其算法.pdf基于模擬退火與遺傳算法結(jié)合的神經(jīng)網(wǎng)絡(luò)圖像分割.pdf大數(shù)據(jù)算法.PDF嵌入式系統(tǒng)軟件設(shè)計(jì)中的常用算法 （周航慈 清晰.pdf支持向量機(jī)通俗導(dǎo)論（理解SVM的三層境界） - 結(jié)構(gòu)之法 算法之道 - 博客頻道 - CSDN.pdf支持向量機(jī)：理論、算法與拓展.pdf改進(jìn)的基于DCT的自適應(yīng)水印算法(重要).pdf數(shù)學(xué)建模MATLAB算法大全.pdf數(shù)學(xué)建模競(jìng)賽中應(yīng)當(dāng)掌握的十類算法.pdf數(shù)據(jù)挖掘十大算法(英).pdf數(shù)據(jù)結(jié)構(gòu)與算法分析 C++描述(高清非掃描).pdf最優(yōu)化理論與算法(第2版).pdf機(jī)器學(xué)習(xí)十大算法(9)：樸素貝葉斯.pdf算法 英文版第4版 Robert Sedgewick .pdf.pdf算法(algorithm)手寫代碼必備手冊(cè)(C++版).pdf算法導(dǎo)論(CLRS)筆記.p...
標(biāo)簽： 算法
上傳時(shí)間： 2022-06-06
上傳用戶：
隨著人類社會(huì)的進(jìn)步，科學(xué)技術(shù)的發(fā)展日新月異，模擬人腦神經(jīng)網(wǎng)絡(luò)的人工神經(jīng)網(wǎng)絡(luò)已取得了長(zhǎng)足的發(fā)展。經(jīng)過(guò)半個(gè)多世紀(jì)的發(fā)展，人工神經(jīng)網(wǎng)絡(luò)在計(jì)算機(jī)科學(xué)，人工智能，智能控制等方面得到了廣泛的應(yīng)用。當(dāng)代社會(huì)是一個(gè)講究效率的社會(huì)，科技更新領(lǐng)域也是如此。在人工神經(jīng)網(wǎng)絡(luò)研究領(lǐng)域，算法的優(yōu)化顯得尤為重要，對(duì)提高網(wǎng)絡(luò)整體性能舉足輕重.BP神經(jīng)網(wǎng)絡(luò)模型是目前應(yīng)用最為廣泛的一種神經(jīng)網(wǎng)絡(luò)模型，對(duì)于解決非線性復(fù)雜問(wèn)題具有重要的意義。但是BP神經(jīng)網(wǎng)絡(luò)有其自身的一些不足（收斂速度慢和容易陷入局部極小值問(wèn)題），在解決某些現(xiàn)實(shí)問(wèn)題的時(shí)候顯得力不從心。針對(duì)這個(gè)問(wèn)題，本文利用遺傳算法的并行全局搜索的優(yōu)勢(shì)，能夠彌補(bǔ)BP網(wǎng)絡(luò)的不足，為解決大規(guī)模復(fù)雜問(wèn)題提供了廣闊的前景。本文將遺傳算法與BP網(wǎng)絡(luò)有機(jī)地結(jié)合起來(lái)，提出了一種新的網(wǎng)絡(luò)結(jié)構(gòu)，在穩(wěn)定性、學(xué)習(xí)性和效率方面都有了很大的提高。基于以上的研究目的，本文首先設(shè)計(jì)了BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，在此基礎(chǔ)上，應(yīng)用遺傳算法進(jìn)行優(yōu)化，達(dá)到了加快收斂速度和全局尋優(yōu)的效果。本文借助MATLAB平臺(tái)，對(duì)算法的優(yōu)化內(nèi)容進(jìn)行了仿真實(shí)驗(yàn)，得出的效果也符合期望值，實(shí)現(xiàn)了對(duì)BP算法優(yōu)化的目的。關(guān)鍵詞：生物神經(jīng)網(wǎng)絡(luò)：人工神經(jīng)網(wǎng)絡(luò)；BP網(wǎng)絡(luò)；遺傳算法；仿真隨著電子計(jì)算機(jī)的問(wèn)世及發(fā)展，人們?cè)噲D去了解人的大腦，進(jìn)而構(gòu)造具有人類思維的智能計(jì)算機(jī)。在具有人腦邏輯推理延伸能力的計(jì)算機(jī)戰(zhàn)勝人類棋手的同時(shí)，引發(fā)了人們對(duì)模擬人腦信息處理的人工神經(jīng)網(wǎng)絡(luò)的研究。1.1研究背景人工神經(jīng)網(wǎng)絡(luò)（Artificial Noural Networks，ANN）（注：簡(jiǎn)稱為神經(jīng)網(wǎng)絡(luò)），是一種數(shù)學(xué)算法模型，能夠?qū)π畔⑦M(jìn)行分布式處理，它模仿了動(dòng)物的神經(jīng)網(wǎng)絡(luò)，是對(duì)動(dòng)物神經(jīng)網(wǎng)絡(luò)的一種具體描述。這種網(wǎng)絡(luò)依賴系統(tǒng)的復(fù)雜程度，通過(guò)調(diào)節(jié)內(nèi)部大量節(jié)點(diǎn)之間的關(guān)系，最終實(shí)現(xiàn)信息處理的目的。人工神經(jīng)網(wǎng)絡(luò)可以通過(guò)對(duì)輸入輸出數(shù)據(jù)的分析學(xué)習(xí)，掌握輸入與輸出之間的潛在規(guī)則，能夠?qū)π聰?shù)據(jù)進(jìn)行分析計(jì)算，推算出輸出結(jié)果，因?yàn)槿斯ど窠?jīng)網(wǎng)絡(luò)具有自適應(yīng)和自學(xué)習(xí)的特性，這種學(xué)習(xí)適應(yīng)的過(guò)程被稱為“訓(xùn)練"。
標(biāo)簽： 遺傳算法 bp神經(jīng)網(wǎng)絡(luò) matlab
上傳時(shí)間： 2022-06-16
上傳用戶：jiabin
matlab數(shù)學(xué)建模算法全收錄 超清書簽版
標(biāo)簽： matlab 數(shù)學(xué)建模 收錄 算法
上傳時(shí)間： 2013-05-15
上傳用戶：eeworm
視頻圖像格式轉(zhuǎn)換芯片的算法研究
標(biāo)簽： 視頻圖像 格式轉(zhuǎn)換 芯片 算法研究
上傳時(shí)間： 2013-05-25
上傳用戶：eeworm
精通：VISUAL C++指紋模式識(shí)別系統(tǒng)算法及實(shí)現(xiàn)_0
上傳時(shí)間： 2013-06-01
上傳用戶：eeworm
蟲蟲下載站版權(quán)所有 京ICP備2021023401號(hào)-1
