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，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，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
．數據結構 假設有M個進程N類資源，則有如下數據結構： MAX[M*N] M個進程對N類資源的最大需求量 AVAILABLE[N] 系統可用資源數 ALLOCATION[M*N] M個進程已經得到N類資源的資源量 NEED[M*N] M個進程還需要N類資源的資源量 2．銀行家算法 設進程I提出請求Request[N]，則銀行家算法按如下規則進行判斷。 (1)如果Request[N]<=NEED[I，N]，則轉(2)；否則，出錯。 (2)如果Request[N]<=AVAILABLE，則轉(3)；否則，出錯。 (3)系統試探分配資源，修改相關數據： AVAILABLE=AVAILABLE-REQUEST ALLOCATION=ALLOCATION+REQUEST NEED=NEED-REQUEST (4)系統執行安全性檢查，如安全，則分配成立；否則試探險性分配作廢，系統恢復原狀，進程等待。 3．安全性檢查 (1)設置兩個工作向量WORK=AVAILABLE；FINISH[M]=FALSE (2)從進程集合中找到一個滿足下述條件的進程， FINISH[i]=FALSE NEED<=WORK 如找到，執行(3)；否則，執行(4) (3)設進程獲得資源，可順利執行，直至完成，從而釋放資源。 WORK=WORK+ALLOCATION FINISH=TRUE GO TO 2 (4)如所有的進程Finish[M]=true，則表示安全；否則系統不安全。
上傳時間： 2014-01-05
上傳用戶：moshushi0009
數據結構 假設有M個進程N類資源，則有如下數據結構： MAX[M*N] M個進程對N類資源的最大需求量 AVAILABLE[N] 系統可用資源數 ALLOCATION[M*N] M個進程已經得到N類資源的資源量 NEED[M*N] M個進程還需要N類資源的資源量 2．銀行家算法 設進程I提出請求Request[N]，則銀行家算法按如下規則進行判斷。 (1)如果Request[N]<=NEED[I，N]，則轉(2)；否則，出錯。 (2)如果Request[N]<=AVAILABLE，則轉(3)；否則，出錯。 (3)系統試探分配資源，修改相關數據： AVAILABLE=AVAILABLE-REQUEST ALLOCATION=ALLOCATION+REQUEST NEED=NEED-REQUEST (4)系統執行安全性檢查，如安全，則分配成立；否則試探險性分配作廢，系統恢復原狀，進程等待。 3．安全性檢查 (1)設置兩個工作向量WORK=AVAILABLE；FINISH[M]=FALSE (2)從進程集合中找到一個滿足下述條件的進程， FINISH[i]=FALSE NEED<=WORK 如找到，執行(3)；否則，執行(4) (3)設進程獲得資源，可順利執行，直至完成，從而釋放資源。 WORK=WORK+ALLOCATION FINISH=TRUE GO TO 2 (4)如所有的進程Finish[M]=true，則表示安全；否則系統不安全。
上傳時間： 2013-12-24
上傳用戶：alan-ee
本程序用C語言實現了集成神經網絡解決廣義異或問題。用神經網絡集成方法做成表決網,可克服初始權值的影響,對神經網絡分類器來說:假設有N個獨立的子網,采用絕對多數投票法,再假設每個子網以1-p的概率給出正確結果,且網絡之間的錯誤不相關,則表決系統發生錯誤的概率為 Perr = ( ) pk(1-p)N-k 當p<1/2時 Perr 隨N增大而單調遞減. 在工程化設計中,先設計并訓練數目較多的子網,然后從中選取少量最佳子網形成表決系統,可以達到任意高的泛化能力。
上傳時間： 2015-05-03
上傳用戶：kiklkook
論文題目:基于COM技術的組態軟件研究與實現 該文針對控制系統的發展需求，在引入COM（組件對象模型）技術的基礎上，深入研究了工控系統中組態軟件開發的幾個關鍵技術，在Windows32位操作系統下，用VisualC++設計并實現了組態軟件的圖形界面模塊、實時數據庫模塊、I/O設備驅動模塊.提出并應用了以下一些代表性的新技術：①基于ActiveX控件技術的獨立型畫面開發設計 ②利用COM技術對實時數據庫進行了封裝 ③利用COM對象對組態軟件的串行通信方式進行了封裝.
上傳時間： 2014-09-03
上傳用戶：gaome
運用de Casteljau遞歸求值法編寫三角形域上的n次Bezier曲面計算程序，給定 控制頂點
上傳時間： 2015-05-18
上傳用戶：youth25
1.能實現不同的個數的矩陣連乘. 2.最后矩陣大小是8X8. 3是最優的矩陣相乘. 描 述：給定n 個矩陣｛A1, A2,...,An｝，其中Ai與Ai+1是可乘的，i=1，2…，n-1。考察這n個矩陣的連乘積A1A2...An。矩陣A 和B 可乘的條件是矩陣A的列數等于矩陣B 的行數。若A 是一個p x q矩陣，B是一個q * r矩陣，則其乘積C=AB是一個p * r矩陣,需要pqr次數乘。
上傳時間： 2013-12-04
上傳用戶：wang5829
某控制系統的開環傳遞函數的分析.繪制系統的閉環根軌跡，尋找系統臨界穩定時的增益k，并分析其穩定性。
上傳時間： 2013-12-11
上傳用戶：15071087253
<menu id="k0gou"></menu>