模擬退火算法來(lái)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(shí)，固體內(nèi)部粒子隨溫升變?yōu)闊o(wú)序狀，內(nèi)能增大，而徐徐冷卻時(shí)粒子漸趨有序，在每個(gè)溫度都達(dá)到平衡態(tài)，最后在常溫時(shí)達(dá)到基態(tài)，內(nèi)能減為最小。根據(jù)Metropolis準(zhǔn)則，粒子在溫度T時(shí)趨于平衡的概率為e-ΔE/(kT)，其中E為溫度T時(shí)的內(nèi)能，ΔE為其改變量，k為Boltzmann常數(shù)。用固體退火模擬組合優(yōu)化問(wèn)題，將內(nèi)能E模擬為目標(biāo)函數(shù)值f，溫度T演化成控制參數(shù)t，即得到解組合優(yōu)化問(wèn)題的模擬退火算法：由初始解i和控制參數(shù)初值t開(kāi)始，對(duì)當(dāng)前解重復(fù)“產(chǎn)生新解→計(jì)算目標(biāo)函數(shù)差→接受或舍棄”的迭代，并逐步衰減t值，算法終止時(shí)的當(dāng)前解即為所得近似最優(yōu)解，這是基于蒙特卡羅迭代求解法的一種啟發(fā)式隨機(jī)搜索過(guò)程。退火過(guò)程由冷卻進(jìn)度表(Cooling Schedule)控制，包括控制參數(shù)的初值t及其衰減因子Δt、每個(gè)t值時(shí)的迭代次數(shù)L和停止條件S。
標(biāo)簽： 模擬退火算法
上傳時(shí)間： 2015-04-24
上傳用戶(hù)：ryb
模擬退火算法來(lái)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(shí)，固體內(nèi)部粒子隨溫升變?yōu)闊o(wú)序狀，內(nèi)能增大，而徐徐冷卻時(shí)粒子漸趨有序，在每個(gè)溫度都達(dá)到平衡態(tài)，最后在常溫時(shí)達(dá)到基態(tài)，內(nèi)能減為最小。根據(jù)Metropolis準(zhǔn)則，粒子在溫度T時(shí)趨于平衡的概率為e-ΔE/(kT)，其中E為溫度T時(shí)的內(nèi)能，ΔE為其改變量，k為Boltzmann常數(shù)。用固體退火模擬組合優(yōu)化問(wèn)題，將內(nèi)能E模擬為目標(biāo)函數(shù)值f，溫度T演化成控制參數(shù)t，即得到解組合優(yōu)化問(wèn)題的模擬退火算法：由初始解i和控制參數(shù)初值t開(kāi)始，對(duì)當(dāng)前解重復(fù)“產(chǎn)生新解→計(jì)算目標(biāo)函數(shù)差→接受或舍棄”的迭代，并逐步衰減t值，算法終止時(shí)的當(dāng)前解即為所得近似最優(yōu)解，這是基于蒙特卡羅迭代求解法的一種啟發(fā)式隨機(jī)搜索過(guò)程。退火過(guò)程由冷卻進(jìn)度表(Cooling Schedule)控制，包括控制參數(shù)的初值t及其衰減因子Δt、每個(gè)t值時(shí)的迭代次數(shù)L和停止條件S。
標(biāo)簽： 模擬退火算法
上傳時(shí)間： 2014-12-19
上傳用戶(hù)：TRIFCT
分而治之方法還可以用于實(shí)現(xiàn)另一種完全不同的排序方法，這種排序法稱(chēng)為快速排序（quick sort）。在這種方法中， n 個(gè)元素被分成三段（組）：左段l e f t，右段r i g h t和中段m i d d l e。中段僅包含一個(gè)元素。左段中各元素都小于等于中段元素，右段中各元素都大于等于中段元素。因此l e f t和r i g h t中的元素可以獨(dú)立排序，并且不必對(duì)l e f t和r i g h t的排序結(jié)果進(jìn)行合并。m i d d l e中的元素被稱(chēng)為支點(diǎn)( p i v o t )。圖1 4 - 9中給出了快速排序的偽代碼
上傳時(shí)間： 2015-04-27
上傳用戶(hù)：kristycreasy
為DELL的layer 2 Switch的Web server中java applet的源始碼，功能為利用java applet主動(dòng)傳送訊息到browser，借著此訊息轉(zhuǎn)換成網(wǎng)頁(yè)，再顯現(xiàn)在browser。
標(biāo)簽： Switch applet server layer
上傳時(shí)間： 2014-01-19
上傳用戶(hù)：cc1
A Java virtual machine instruction consists of an opcode specifying the operation to be performed, followed by zero or more operands embodying values to be operated upon. This chapter gives details about the format of each Java virtual machine instruction and the operation it performs.
標(biāo)簽： instruction specifying operation performed
上傳時(shí)間： 2014-01-11
上傳用戶(hù)：yiwen213
A Java virtual machine instruction consists of an opcode specifying the operation to be performed, followed by zero or more operands embodying values to be operated upon. This chapter gives details about the format of each Java virtual machine instruction and the operation it performs.
標(biāo)簽： instruction specifying operation performed
上傳時(shí)間： 2015-05-02
上傳用戶(hù)：daoxiang126
A Java virtual machine instruction consists of an opcode specifying the operation to be performed, followed by zero or more operands embodying values to be operated upon. This chapter gives details about the format of each Java virtual machine instruction and the operation it performs.
標(biāo)簽： instruction specifying operation performed
上傳時(shí)間： 2015-05-02
上傳用戶(hù)：shawvi
A Java virtual machine instruction consists of an opcode specifying the operation to be performed, followed by zero or more operands embodying values to be operated upon. This chapter gives details about the format of each Java virtual machine instruction and the operation it performs.
標(biāo)簽： instruction specifying operation performed
上傳時(shí)間： 2013-12-12
上傳用戶(hù)：朗朗乾坤
設(shè)計(jì)說(shuō)明：1。數(shù)據(jù)結(jié)構(gòu)和表示：程序用1、2、3、4分別表示將右、上、左、下的數(shù)字塊移動(dòng)到空格之中。采用典型的樹(shù)+鏈表結(jié)構(gòu)，每種局面產(chǎn)生一個(gè)BoardState類(lèi)。出于避免走法順序列表被過(guò)多復(fù)制的考慮，在樹(shù)結(jié)構(gòu)中保存局面的繼承關(guān)系。每種新的局面產(chǎn)生后，引用估值函數(shù)產(chǎn)生f的值，再根據(jù)大小將其插入鏈表之中，以便實(shí)現(xiàn)“優(yōu)先展開(kāi)f值小的節(jié)點(diǎn)”。Solve()函數(shù)在成功解決問(wèn)題之后保存一個(gè)走法序列供輸出并返回零，而失敗則返回失敗處的節(jié)點(diǎn)層數(shù)。(具體的判斷方法見(jiàn)后文)
標(biāo)簽： 數(shù)據(jù)結(jié)構(gòu) 分 典型 數(shù)字
上傳時(shí)間： 2015-05-02
上傳用戶(hù)：xieguodong1234
本程序用資源分配網(wǎng)(Resource_Allocation Network,簡(jiǎn)稱(chēng)RAN)實(shí)現(xiàn)了Hermit多項(xiàng)式在線學(xué)習(xí)問(wèn)題。訓(xùn)練樣本產(chǎn)生方式如下，樣本數(shù)400，每個(gè)樣本輸入Xi在區(qū)間[-4,4]內(nèi)隨機(jī)產(chǎn)生（均勻分布），相關(guān)樣本輸出為F(Xi) = 1.1(1-Xi + Xi2)exp(-Xi2/2),測(cè)試樣本輸入在[-4，+4]內(nèi)以0.04為間隔等距產(chǎn)生，共201個(gè)樣本。訓(xùn)練結(jié)束后的隱節(jié)點(diǎn)為：11個(gè)，訓(xùn)練結(jié)束后的平均誤差可達(dá)：0.03
標(biāo)簽： Resource_Allocation Network Hermit RAN
上傳時(shí)間： 2014-01-14
上傳用戶(hù)：pompey
蟲(chóng)蟲(chóng)下載站版權(quán)所有 京ICP備2021023401號(hào)-1
