亚洲欧美第一页_禁久久精品乱码_粉嫩av一区二区三区免费野_久草精品视频

蟲蟲首頁| 資源下載| 資源專輯| 精品軟件
登錄| 注冊

工具箱改進算法

  • ADT BinaryTree 的實現及驗證程序采用的主要數據結構:二叉樹、棧、隊算法思想:1、 先序建樹、輸出樹、后序遍歷用遞歸方法。性能分析:O( n )2、 先序遍歷、中序遍歷:性能分析:O( n

    ADT BinaryTree 的實現及驗證程序采用的主要數據結構:二叉樹、棧、隊算法思想:1、 先序建樹、輸出樹、后序遍歷用遞歸方法。性能分析:O( n )2、 先序遍歷、中序遍歷:性能分析:O( n )(1) 若遇到新節點非空則先入棧,然后訪問其左子樹。(2) 若為空則將棧頂結點出棧,訪問其右子樹。(3) 循環1、2直到棧為空且無節點可入棧。先序與中序的區別是:先序在入棧時訪問節點,中序在出棧時訪問節點。3、 層遍歷:性能分析:O( n )(1) 根節點入隊(2) 節點出隊并訪問(3) 若節點有左孩子,則左孩子入隊;有右孩子,則右孩子入隊。(4) 重復2、3直到隊列為空。4、 線索樹:算法與先序遍歷、中序遍歷一樣,只是將訪問節點的Visit函數改為連接前驅與后繼的操作。性能分析:O(

    標簽: BinaryTree ADT 性能分析

    上傳時間: 2014-12-20

    上傳用戶:SimonQQ

  • 基于MATLAB的微粒群工具箱

    基于MATLAB的微粒群工具箱,算法模型中引入收縮因子,收斂速度有所提高,但對高維函數的優化效果仍然不理想。

    標簽: MATLAB 微粒群 工具箱

    上傳時間: 2014-12-07

    上傳用戶:qiao8960

  • 圖像壓縮的MATLAB算法之JEPG

    圖像壓縮的MATLAB算法之JEPG,完整的例程,參改價值高。

    標簽: MATLAB JEPG 圖像壓縮 算法

    上傳時間: 2013-12-21

    上傳用戶:13188549192

  • 1、掌握MATLAB優化工具箱的基本用法

    1、掌握MATLAB優化工具箱的基本用法,對不同算法進行初步分析、比較。 2、練習實際問題的非線性最小二乘擬合。

    標簽: MATLAB 工具箱

    上傳時間: 2015-04-04

    上傳用戶:yulg

  • contourlet算法作為二階小波算法的延續

    contourlet算法作為二階小波算法的延續,有很強大的應用空間,上傳的文件是contourlet算法的工具箱

    標簽: contourlet 算法 二階

    上傳時間: 2013-12-11

    上傳用戶:Amygdala

  • 簡單好用的AES算法

    簡單好用的AES算法,提供基本的對文件的加密、解密和數據塊的加密、解密,目前的版本是靜態庫,很容易改做成動態庫,亦可輕松移植到Linux平臺,已測試過跟Java等其他標準AES加密庫成功對接(可相互加、解密)。

    標簽: AES 算法

    上傳時間: 2015-04-13

    上傳用戶:silenthink

  • bp算法的源代碼

    bp算法的源代碼,由于很多程序都是利用matlab工具箱函數做的,不利于是用這個性化設計,對于觀察網絡內部的結構也帶來一定困難,這個算法就可以讓社記者跟蹤訓練過程

    標簽: 算法 源代碼

    上傳時間: 2015-04-21

    上傳用戶:洛木卓

  • 模擬退火算法來源于固體退火原理

    模擬退火算法來源于固體退火原理,將固體加溫至充分高,再讓其徐徐冷卻,加溫時,固體內部粒子隨溫升變為無序狀,內能增大,而徐徐冷卻時粒子漸趨有序,在每個溫度都達到平衡態,最后在常溫時達到基態,內能減為最小。根據Metropolis準則,粒子在溫度T時趨于平衡的概率為e-ΔE/(kT),其中E為溫度T時的內能,ΔE為其改變量,k為Boltzmann常數。用固體退火模擬組合優化問題,將內能E模擬為目標函數值f,溫度T演化成控制參數t,即得到解組合優化問題的模擬退火算法:由初始解i和控制參數初值t開始,對當前解重復“產生新解→計算目標函數差→接受或舍棄”的迭代,并逐步衰減t值,算法終止時的當前解即為所得近似最優解,這是基于蒙特卡羅迭代求解法的一種啟發式隨機搜索過程。退火過程由冷卻進度表(Cooling Schedule)控制,包括控制參數的初值t及其衰減因子Δt、每個t值時的迭代次數L和停止條件S。

    標簽: 模擬退火算法

    上傳時間: 2015-04-24

    上傳用戶:R50974

  • 模擬退火算法來源于固體退火原理

    模擬退火算法來源于固體退火原理,將固體加溫至充分高,再讓其徐徐冷卻,加溫時,固體內部粒子隨溫升變為無序狀,內能增大,而徐徐冷卻時粒子漸趨有序,在每個溫度都達到平衡態,最后在常溫時達到基態,內能減為最小。根據Metropolis準則,粒子在溫度T時趨于平衡的概率為e-ΔE/(kT),其中E為溫度T時的內能,ΔE為其改變量,k為Boltzmann常數。用固體退火模擬組合優化問題,將內能E模擬為目標函數值f,溫度T演化成控制參數t,即得到解組合優化問題的模擬退火算法:由初始解i和控制參數初值t開始,對當前解重復“產生新解→計算目標函數差→接受或舍棄”的迭代,并逐步衰減t值,算法終止時的當前解即為所得近似最優解,這是基于蒙特卡羅迭代求解法的一種啟發式隨機搜索過程。退火過程由冷卻進度表(Cooling Schedule)控制,包括控制參數的初值t及其衰減因子Δt、每個t值時的迭代次數L和停止條件S。

    標簽: 模擬退火算法

    上傳時間: 2015-04-24

    上傳用戶:ryb

  • 模擬退火算法來源于固體退火原理

    模擬退火算法來源于固體退火原理,將固體加溫至充分高,再讓其徐徐冷卻,加溫時,固體內部粒子隨溫升變為無序狀,內能增大,而徐徐冷卻時粒子漸趨有序,在每個溫度都達到平衡態,最后在常溫時達到基態,內能減為最小。根據Metropolis準則,粒子在溫度T時趨于平衡的概率為e-ΔE/(kT),其中E為溫度T時的內能,ΔE為其改變量,k為Boltzmann常數。用固體退火模擬組合優化問題,將內能E模擬為目標函數值f,溫度T演化成控制參數t,即得到解組合優化問題的模擬退火算法:由初始解i和控制參數初值t開始,對當前解重復“產生新解→計算目標函數差→接受或舍棄”的迭代,并逐步衰減t值,算法終止時的當前解即為所得近似最優解,這是基于蒙特卡羅迭代求解法的一種啟發式隨機搜索過程。退火過程由冷卻進度表(Cooling Schedule)控制,包括控制參數的初值t及其衰減因子Δt、每個t值時的迭代次數L和停止條件S。

    標簽: 模擬退火算法

    上傳時間: 2014-12-19

    上傳用戶:TRIFCT

主站蜘蛛池模板: 平潭县| 鱼台县| 缙云县| 伊宁市| 上饶市| 邓州市| 永新县| 美姑县| 噶尔县| 丰顺县| 建阳市| 土默特左旗| 高雄县| 明水县| 来凤县| 喜德县| 彰武县| 浦北县| 集贤县| 杭锦后旗| 石嘴山市| 威远县| 永寿县| 平远县| 石门县| 普安县| 宜昌市| 渝中区| 奉贤区| 正蓝旗| 安多县| 修文县| 南漳县| 乌拉特中旗| 巴彦县| 祁阳县| 黄陵县| 望谟县| 灌阳县| 砚山县| 临洮县|