最新橢圓曲線算法，用C++寫的，在Linux下解壓出來(lái)。
上傳時(shí)間： 2013-12-19
上傳用戶：bruce
針對(duì)現(xiàn)有遺傳算法在多維非線性優(yōu)選方面的不足，本文提出了一種基于小生境進(jìn)化算法（NEA）的非線性優(yōu)選模型，探討了NEA算法的參數(shù)選擇原則。通過(guò)大量仿真和比較，表明算法在復(fù)雜非線性優(yōu)選中具有快速、高效、魯棒性強(qiáng)的特點(diǎn)，并能在全局范圍內(nèi)有效搜索所有最優(yōu)解。
上傳時(shí)間： 2014-08-02
上傳用戶：ZJX5201314
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：R50974
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：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：TRIFCT
運(yùn)籌學(xué)中的解線性規(guī)劃問(wèn)題的一種方法，DFP 算法
標(biāo)簽： 運(yùn)籌學(xué) 解線性
上傳時(shí)間： 2013-12-15
上傳用戶：wys0120
運(yùn)籌學(xué)中的解線性規(guī)劃問(wèn)題的一種方法，PWELL 算法
標(biāo)簽： 運(yùn)籌學(xué) 解線性
上傳時(shí)間： 2015-04-25
上傳用戶：hebmuljb
運(yùn)籌學(xué)中的解線性規(guī)劃問(wèn)題的一種方法，不精確一維搜索算法
標(biāo)簽： 運(yùn)籌學(xué) 解線性
上傳時(shí)間： 2013-12-20
上傳用戶：阿四AIR
運(yùn)籌學(xué)中的解線性規(guī)劃問(wèn)題的一種方法，共扼梯度算法
標(biāo)簽： 運(yùn)籌學(xué) 解線性
上傳時(shí)間： 2014-11-10
上傳用戶：aappkkee
最近研究遺傳算法，得到這點(diǎn)程序，均很好運(yùn)行，共享給大家。同時(shí)還想得到更好更多的有關(guān)遺傳算法的程序，望大家多多奉獻(xiàn)。沒(méi)有加密，解壓即可
標(biāo)簽： 算法
上傳時(shí)間： 2014-01-20
上傳用戶：chongcongying
蟲蟲下載站版權(quán)所有 京ICP備2021023401號(hào)-1
