11111111111111活用自動(dòng)控制,運(yùn)用科學(xué)數(shù)學(xué)自然
標(biāo)簽: adaptive-control
上傳時(shí)間: 2015-03-16
上傳用戶:54333
Keil的基本使用教學(xué),若是一開(kāi)始接觸Keil可參考文件說(shuō)明。
上傳時(shí)間: 2015-03-19
上傳用戶:jingquan
習(xí)題答案習(xí)題答案習(xí)題答案習(xí)題答案習(xí)題答案習(xí)題答案習(xí)題答案習(xí)題答案習(xí)題答案
標(biāo)簽: 習(xí)題答案
上傳時(shí)間: 2015-04-22
上傳用戶:wxwxwxc11
Boost C++ Libraries Free peer-reviewed portable C++ source libraries Boost C++ Libraries 基本上是一個(gè)免費(fèi)的 C++ 的跨平臺(tái)函式庫(kù)集合,基本上應(yīng)該可以把它視為 C++ STL 的功能再延伸;他最大的特色在於他是一個(gè)經(jīng)過(guò)「同行評(píng)審」(peer review,可參考維基百科)、開(kāi)放原始碼的函式庫(kù),而且有許多 Boost 的函式庫(kù)是由 C++ 標(biāo)準(zhǔn)委員會(huì)的人開(kāi)發(fā)的,同時(shí)部分函式庫(kù)的功能也已經(jīng)成為 C++ TR1 (Technical Report 1,參考維基百科)、TR2、或是 C++ 0x 的標(biāo)準(zhǔn)了。 它的官方網(wǎng)站是:http://www.boost.org/,包含了 104 個(gè)不同的 library;由於他提供的函式庫(kù)非常地多,的內(nèi)容也非常地多元,根據(jù)官方的分類,大致上可以分為下面這二十類: 字串和文字處理(String and text processing) 容器(Containers) Iterators 演算法(Algorithms) Function objects and higher-order programming 泛型(Generic Programming) Template Metaprogramming Preprocessor Metaprogramming Concurrent Programming 數(shù)學(xué)與數(shù)字(Math and numerics) 正確性與測(cè)試(Correctness and testing) 資料結(jié)構(gòu)(Data structures) 影像處理(Image processing) 輸入、輸出(Input/Output) Inter-language support 記憶體(Memory) 語(yǔ)法分析(Parsing) 程式介面(Programming Interfaces) 其他雜項(xiàng) Broken compiler workarounds 其中每一個(gè)分類,又都包含了一個(gè)或多個(gè)函式庫(kù),可以說(shuō)是功能相當(dāng)豐富。
標(biāo)簽: Boost C++ Libraries
上傳時(shí)間: 2015-05-15
上傳用戶:fangfeng
指紋識(shí)別作為一種生物鑒定技術(shù),為人類的個(gè)體的定義提供了一個(gè)到目前為止最為快捷和可信的方法。隨著指紋識(shí)別的普及,人們之間的信任成本將大大降低,提高人類社會(huì)活動(dòng)的效率。在信息時(shí)代,一種安全便捷的身份認(rèn)證方式顯得越發(fā)重要。這個(gè)matlab程序是一個(gè)簡(jiǎn)易的指紋識(shí)別程序
上傳時(shí)間: 2015-05-26
上傳用戶:1600650036
遺傳算法為群體優(yōu)化算法,也就是從多個(gè)初始解開(kāi)始進(jìn)行優(yōu)化,每個(gè)解稱為一個(gè)染色體,各染色體之間通過(guò)競(jìng)爭(zhēng)、合作、單獨(dú)變異,不斷進(jìn)化。 優(yōu)化時(shí)先要將實(shí)際問(wèn)題轉(zhuǎn)換到遺傳空間,就是把實(shí)際問(wèn)題的解用染色體表示,稱為編碼,反過(guò)程為解碼,因?yàn)閮?yōu)化后要進(jìn)行評(píng)價(jià),所以要返回問(wèn)題空間,故要進(jìn)行解碼。SGA采用二進(jìn)制編碼,染色體就是二進(jìn)制位串,每一位可稱為一個(gè)基因;解碼時(shí)應(yīng)注意將染色體解碼到問(wèn)題可行域內(nèi)。 遺傳算法模擬“適者生存,優(yōu)勝劣汰”的進(jìn)化機(jī)制,染色體適應(yīng)生存環(huán)境的能力用適應(yīng)度函數(shù)衡量。對(duì)于優(yōu)化問(wèn)題,適應(yīng)度函數(shù)由目標(biāo)函數(shù)變換而來(lái)。一般遺傳算法求解最大值問(wèn)題,如果是最小值問(wèn)題,則通過(guò)取倒數(shù)或者加負(fù)號(hào)處理。SGA要求適應(yīng)度函數(shù)>0,對(duì)于<0的問(wèn)題,要通過(guò)加一個(gè)足夠大的正數(shù)來(lái)解決。這樣,適應(yīng)度函數(shù)值大的染色體生存能力強(qiáng)。 遺傳算法有三個(gè)進(jìn)化算子:選擇(復(fù)制)、交叉和變異。 SGA中,選擇采用輪盤(pán)賭方法,也就是將染色體分布在一個(gè)圓盤(pán)上,每個(gè)染色體占據(jù)一定的扇形區(qū)域,扇形區(qū)域的面積大小和染色體的適應(yīng)度大小成正比。如果輪盤(pán)中心裝一個(gè)可以轉(zhuǎn)動(dòng)的指針的話,旋轉(zhuǎn)指針,指針停下來(lái)時(shí)會(huì)指向某一個(gè)區(qū)域,則該區(qū)域?qū)?yīng)的染色體被選中。顯然適應(yīng)度高的染色體由于所占的扇形區(qū)域大,因此被選中的幾率高,可能被選中多次,而適應(yīng)度低的可能一次也選不中,從而被淘汰。算法實(shí)現(xiàn)時(shí)采用隨機(jī)數(shù)方法,先將每個(gè)染色體的適應(yīng)度除以所有染色體適應(yīng)度的和,再累加,使他們根據(jù)適應(yīng)度的大小分布于0-1之間,適應(yīng)度大的占的區(qū)域大,然后隨機(jī)生成一個(gè)0-1之間的隨機(jī)數(shù),隨機(jī)數(shù)落到哪個(gè)區(qū)域,對(duì)應(yīng)的染色體就被選中。重復(fù)操作,選出群體規(guī)模規(guī)定數(shù)目的染色體。這個(gè)操作就是“優(yōu)勝劣汰,適者生存”,但沒(méi)有產(chǎn)生新個(gè)體。 交叉模擬有性繁殖,由兩個(gè)染色體共同作用產(chǎn)生后代,SGA采用單點(diǎn)交叉。由于SGA為二進(jìn)制編碼,所以染色體為二進(jìn)制位串,隨機(jī)生成一個(gè)小于位串長(zhǎng)度的隨機(jī)整數(shù),交換兩個(gè)染色體該點(diǎn)后的那部分位串。參與交叉的染色體是輪盤(pán)賭選出來(lái)的個(gè)體,并且還要根據(jù)選擇概率來(lái)確定是否進(jìn)行交叉(生成0-1之間隨機(jī)數(shù),看隨機(jī)數(shù)是否小于規(guī)定的交叉概率),否則直接進(jìn)入變異操作。這個(gè)操作是產(chǎn)生新個(gè)體的主要方法,不過(guò)基因都來(lái)自父輩個(gè)體。 變異采用位點(diǎn)變異,對(duì)于二進(jìn)制位串,0變?yōu)?,1變?yōu)?就是變異。采用概率確定變異位,對(duì)每一位生成一個(gè)0-1之間的隨機(jī)數(shù),看是否小于規(guī)定的變異概率,小于的變異,否則保持原狀。這個(gè)操作能夠使個(gè)體不同于父輩而具有自己獨(dú)立的特征基因,主要用于跳出局部極值。 遺傳算法認(rèn)為生物由低級(jí)到高級(jí)進(jìn)化,后代比前一代強(qiáng),但實(shí)際操作中可能有退化現(xiàn)象,所以采用最佳個(gè)體保留法,也就是曾經(jīng)出現(xiàn)的最好個(gè)體,一定要保證生存下來(lái),使后代至少不差于前一代。大致有兩種類型,一種是把出現(xiàn)的最優(yōu)個(gè)體單獨(dú)保存,最后輸出,不影響原來(lái)的進(jìn)化過(guò)程;一種是將最優(yōu)個(gè)體保存入子群,也進(jìn)行選擇、交叉、變異,這樣能充分利用模式,但也可能導(dǎo)致過(guò)早收斂。 由于是基本遺傳算法,所以優(yōu)化能力一般,解決簡(jiǎn)單問(wèn)題尚可,高維、復(fù)雜問(wèn)題就需要進(jìn)行改進(jìn)了。 下面為代碼。函數(shù)最大值為3905.9262,此時(shí)兩個(gè)參數(shù)均為-2.0480,有時(shí)會(huì)出現(xiàn)局部極值,此時(shí)一個(gè)參數(shù)為-2.0480,一個(gè)為2.0480。算法中變異概率pm=0.05,交叉概率pc=0.8。如果不采用最優(yōu)模式保留,結(jié)果會(huì)更豐富些,也就是算法最后不一定收斂于極值點(diǎn),當(dāng)然局部收斂現(xiàn)象也會(huì)有所減少,但最終尋得的解不一定是本次執(zhí)行中曾找到過(guò)的最好解。
標(biāo)簽: 遺傳算法
上傳時(shí)間: 2015-06-04
上傳用戶:芃溱溱123
信息化戰(zhàn)爭(zhēng)是一種充分利用信息資源并依賴于信息的戰(zhàn)爭(zhēng)形態(tài),是指在信息技術(shù)高度發(fā)展以及信息時(shí)代核威懾條件下,交戰(zhàn)雙方以信息化軍隊(duì)為主要作戰(zhàn)力量,在陸、海、空、天、電等全維空間展開(kāi)的多軍兵種一體化的戰(zhàn)爭(zhēng),依托網(wǎng)絡(luò)化信息系統(tǒng),大量地運(yùn)用具有信息技術(shù),新材料技術(shù),新能源技術(shù),生物技術(shù),航天技術(shù),海洋技術(shù)等當(dāng)代高新技術(shù)水平的常規(guī)的武器裝備,并采取相應(yīng)的作戰(zhàn)方法,在局部地區(qū)進(jìn)行的,目的手段規(guī)模均較有限的戰(zhàn)爭(zhēng)。
標(biāo)簽: 信息化戰(zhàn)爭(zhēng) 軍事
上傳時(shí)間: 2015-06-04
上傳用戶:dfhjdsh
粒子群算法在仿真生物群體社會(huì)活動(dòng)的基礎(chǔ)上,通過(guò)模擬群體生物相互協(xié)同尋優(yōu)能力,從而構(gòu)造出一種新的智能優(yōu)化算法。本文主要講述了粒子群算法的基本原理及其一些改進(jìn)算法以及其改進(jìn)算法的一些應(yīng)用。
標(biāo)簽: 粒子群算法
上傳時(shí)間: 2015-07-10
上傳用戶:yjyzwr
感生電動(dòng)勢(shì)、動(dòng)生電動(dòng)勢(shì) 物理電磁學(xué)相關(guān)整理
標(biāo)簽: 感生電動(dòng)勢(shì)、動(dòng)生電動(dòng)勢(shì)
上傳時(shí)間: 2016-01-04
上傳用戶:1032298562
經(jīng)濟(jì)學(xué)人雜誌 April 9, 2016
標(biāo)簽: Economist April 2016 The
上傳時(shí)間: 2016-04-30
上傳用戶:luzmike
蟲(chóng)蟲(chóng)下載站版權(quán)所有 京ICP備2021023401號(hào)-1