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

模擬退火算法

  • 模擬退火算法 模擬退火算法(Simulated Annealing,簡稱SA算法)是模擬加熱熔化的金屬的退火過程

    模擬退火算法 模擬退火算法(Simulated Annealing,簡稱SA算法)是模擬加熱熔化的金屬的退火過程,來尋找全局最優解的有效方法之一。 模擬退火的基本思想和步驟如下: 設S={s1,s2,…,sn}為所有可能的狀態所構成的集合, f:S—R為非負代價函數,即優化問題抽象如下: 尋找s*∈S,使得f(s*)=min f(si) 任意si∈S (1)給定一較高初始溫度T,隨機產生初始狀態S (2)按一定方式,對當前狀態作隨機擾動,產生一個新的狀態S’ S’=S+sign(η).δ 其中δ為給定的步長, η為[-1,1]的隨機數

    標簽: Simulated Annealing 模擬退火算法 模擬

    上傳時間: 2014-01-02

    上傳用戶:gengxiaochao

  • 用matlab語言編寫模擬退火算法

    用matlab語言編寫模擬退火算法,實現0-1被包問題

    標簽: matlab 語言 編寫 模擬退火算法

    上傳時間: 2015-04-07

    上傳用戶:

  • 本代碼包包含一個模擬退火算法的c++程序。此外還有其他一些源碼

    本代碼包包含一個模擬退火算法的c++程序。此外還有其他一些源碼,這在該壓縮包中,有一個readme文檔,對其進行了詳細說明。

    標簽: 代碼 模擬退火算法 程序 源碼

    上傳時間: 2013-12-20

    上傳用戶:helmos

  • 以一個簡單的例子說明模擬退火算法的思想。 模擬退火法求函數f(x,y) = 5sin(xy) + x^2 + y^2的最小值

    以一個簡單的例子說明模擬退火算法的思想。 模擬退火法求函數f(x,y) = 5sin(xy) + x^2 + y^2的最小值,對理解模擬退火算法是一個很好的程序示例。

    標簽: 5sin xy 模擬退火算法 模擬退火

    上傳時間: 2015-04-13

    上傳用戶:zhanditian

  • 退火算法 用C語言實現算法函數

    退火算法 用C語言實現算法函數,Matlab語言實現算法

    標簽: 退火算法 C語言 算法 函數

    上傳時間: 2015-04-14

    上傳用戶:2467478207

  • 本程序用模擬退火算法實現了旅行商問題(tsp問題)

    本程序用模擬退火算法實現了旅行商問題(tsp問題)

    標簽: tsp 程序 模擬退火算法 旅行商問題

    上傳時間: 2013-12-23

    上傳用戶:海陸空653

  • 模擬退火算法是為了避免求解最優化出現局部極值的問題而提出的算法

    模擬退火算法是為了避免求解最優化出現局部極值的問題而提出的算法,保證最終的結果是全局最優的,該matlab源程序能在matlab環境中實現

    標簽: 模擬退火算法 局部 算法

    上傳時間: 2014-10-12

    上傳用戶:225588

  • 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: 塘沽区| 阳谷县| 威海市| 德惠市| 若尔盖县| 福清市| 延川县| 九江县| 蒙山县| 观塘区| 永宁县| 北辰区| 开封县| 新干县| 朔州市| 绥江县| 来凤县| 驻马店市| 乌兰察布市| 来凤县| 玉溪市| 安图县| 湖南省| 江华| 武清区| 梅河口市| 剑阁县| 库尔勒市| 新余市| 遵义县| 仁化县| 莱芜市| 收藏| 边坝县| 铅山县| 墨玉县| 赣州市| 南城县| 郴州市| 保定市| 哈密市|