<center id="emaaa"></center>
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。
上傳時間： 2015-04-13
上傳用戶：zhanditian
二階系統的最小二乘一次完成算法辨識程序，圖形的橫坐標是采樣時刻i, 縱坐標是輸出觀測值z, 圖形格式為連續曲線
上傳時間： 2014-01-07
上傳用戶：netwolf
本程序是用c++實現的多功能文本編輯器，它除了可以實現一般文本的編輯功能，還增加了保存文檔a(save), 轉為大寫m(large),改為小寫k(small),復制段j(copy),中英文轉換t(language)等功能
上傳時間： 2013-12-23
上傳用戶：wuyuying
盒維數MATLAB計算程序。%根據計盒維數原理編寫了求一維曲線分形維數的matlab程序 function D=FractalDim(y,cellmax) %求輸入一維信號的計盒分形維數 %y是一維信號 %cellmax:方格子的最大邊長,可以取2的偶數次冪次(1,2,4,8...),取大于數據長度的偶數 %D是y的計盒維數（一般情況下D>=1）,D=lim(log(N(e))/log(k/e)),
標簽： FractalDim function cellmax MATLAB
上傳時間： 2015-04-23
上傳用戶：liuchee
prolog 找路例子程序： === === === === === === Part 1-Adding connections Part 2-Simple Path example | ?- path1(a,b,P,T). will produce the response: T = 15 P = [a,b] ? Part 3 - Non-repeating path As an example, the query: ?- path2(a,h,P,T). will succeed and may produce the bindings: P = [a,depot,b,d,e,f,h] T = 155 Part 4 - Generating a path below a cost threshold As an example, the query: ?- path_below_cost(a,[a,b,c,d,e,f,g,h],RS,300). returns: RS = [a,b,depot,c,d,e,g,f,h] ? RS = [a,c,depot,b,d,e,g,f,h] ? no ==================================
標簽： Part connections example prolog
上傳時間： 2015-04-24
上傳用戶：ljt101007
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
編寫一程序，可以創建若干個虛擬進程，并對若干個虛擬進程進行調度，調度策略為時間片輪轉。 虛擬程序的描述： 虛擬指令的格式： 操作命令 操作時間 其中，操作命令有以下幾種： l C : 表示在CPU上計算 l I ：表示輸入 l O：表示輸出 l W：表示等待 l H：表示進程結束 操作時間代表該操作命令要執行多長時間 假設I/O設備的數量沒有限制
上傳時間： 2014-11-29
上傳用戶：陽光少年2016
設計說明：1。數據結構和表示：程序用1、2、3、4分別表示將右、上、左、下的數字塊移動到空格之中。采用典型的樹+鏈表結構，每種局面產生一個BoardState類。出于避免走法順序列表被過多復制的考慮，在樹結構中保存局面的繼承關系。每種新的局面產生后，引用估值函數產生f的值，再根據大小將其插入鏈表之中，以便實現“優先展開f值小的節點”。Solve()函數在成功解決問題之后保存一個走法序列供輸出并返回零，而失敗則返回失敗處的節點層數。(具體的判斷方法見后文)
上傳時間： 2015-05-02
上傳用戶：xieguodong1234
