matlab經(jīng)典算法的程序：規(guī)劃問題，插值與擬合，解方程，數(shù)據(jù)分析，繪圖等。內(nèi)含程序源碼及教學(xué)課件
上傳時間： 2016-09-05
上傳用戶：woshini123456
共梯度算法程序代碼.數(shù)學(xué)上，共梯度法實求解特定線性系統(tǒng)的數(shù)值解的方法，其中那些矩陣為對稱和正定。共軛梯度法是一個迭代方法，所以它適用于稀疏矩陣系統(tǒng)，因為這些系統(tǒng)對于象喬萊斯基分解這樣的直接方法太大了。這種系統(tǒng)在數(shù)值求解偏微分方程時相當常見。 共梯度法也可以用于求解無約束優(yōu)化問題。
上傳時間： 2016-09-05
上傳用戶：exxxds
遺傳算法中的NSGA2算法實現(xiàn)，解決多目標遺傳算法求解Pareto近似解，具有很好的運行效果
上傳時間： 2014-01-10
上傳用戶：yzhl1988
Visual C++實現(xiàn)的基因遺傳算法庫源代碼以演示程序Free Source Code for Genetic algorithm 2008年05月21日 C++, Windows, Win32, Visual Studio, MFC, STL, Arch, Dev, Design 基因遺傳算法都是針對概率的，所以因為其隨機的本質(zhì)，導(dǎo)致其結(jié)果可能是好的，也可能是壞的，于是我們就需要一個方法確認這個解到底有多大的可用性。這是通過計算相似擬合度進行衡量的。染色體Chromosomes代表了基因遺傳算法的結(jié)果。每次迭代，算法生成一個染色體，這些子孫染色體又會產(chǎn)生新的迭代……關(guān)鍵內(nèi)容 這個基因算法庫是用 Visual Studio 2005 編寫的程序，第一個使用 Microsoft C/C++ 編譯器，第二個使用Intel C++ 編譯器。 如果你希望在你的程序你使用它，有兩個辦法，1是直接引用 Genetic Algorithm Library 項目，然后編譯；2是添加GeneticAlgorithm.lib 靜態(tài)鏈接庫到項目中
標簽： algorithm Genetic Windows Visual
上傳時間： 2016-09-22
上傳用戶：silenthink
TSP問題是組合優(yōu)化中的經(jīng)典問題。其解決方法有局部優(yōu)化方法和一些啟發(fā)式算法,局部搜索方法充分考慮問題 的鄰域結(jié)構(gòu),遺傳算法有很好的全局搜索能力,memetic算法把遺傳算法和局部優(yōu)化算法相結(jié)合,試驗結(jié)果證明,能很好地解 決TSP問題。
上傳時間： 2016-10-01
上傳用戶：牛布牛
使用遺傳算法求解郵遞員問題，從而可以同時求得多個最優(yōu)解
標簽： 算法
上傳時間： 2014-09-01
上傳用戶：aysyzxzm
遺傳算法，是模擬達爾文的遺傳選擇和自然淘汰的生物進化過程的計算模型，是一種通過模擬自然進化過程搜索最優(yōu)解的方法.遺傳算法是一類可用于復(fù)雜系統(tǒng)優(yōu)化的具有魯棒性的搜索算法
標簽： 算法
上傳時間： 2014-01-02
上傳用戶：王楚楚
人工魚群算法（AFSA）是2002年李曉磊提出的基于魚群行為的尋求全局最優(yōu) 的新型搜索策略，該算法具有較優(yōu)的全局收斂能力及較快的尋優(yōu)速度。本文首次將 人工魚群算法應(yīng)用于人工神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)，形成了人工魚群神經(jīng)網(wǎng)絡(luò)模型，通過與 BP算法、模擬退化算法、進化算法訓(xùn)練的人工神經(jīng)網(wǎng)絡(luò)進行比較，驗證了人工魚群 神經(jīng)網(wǎng)絡(luò)在全局尋優(yōu)能力上的優(yōu)勢，進而利用人工魚群神經(jīng)網(wǎng)絡(luò)進行電力系統(tǒng)短期 負荷預(yù)測，建立了人工魚群神經(jīng)網(wǎng)絡(luò)預(yù)測模型。為了進一步提高算法的穩(wěn)定性，以 及求得全局最優(yōu)值的能力，文中給出了改進的人工魚群算法。當人工魚種群的最優(yōu) 值在多代未變的情況下，加入了“跳躍”行為，改變?nèi)斯~個體的參數(shù)，避免陷入 局部最優(yōu)并提高了尋求全局最優(yōu)解的能力。然后建立了新的預(yù)測模型，實際編程表 明，改進后的模型具有更好的全局最優(yōu)化能力及穩(wěn)定性。
上傳時間： 2013-12-18
上傳用戶：BOBOniu
隨機微粒群算法程序pdf 圍繞粒子群的當前質(zhì)心對粒子群重新初始化.這樣，每個粒子在隨后的迭代中將在新的位置帶著粒子在上次搜索中獲得的“運動慣性”從而可以在粒子群的運動過程中獲得新的位置，增加求得更優(yōu)解的機會.隨著迭代的繼續(xù)，經(jīng)過變異的粒子群又將趨向于同一點，當粒子群收斂到一定程度時又進行下一次變異，如此反復(fù)，直到迭代結(jié)束
上傳時間： 2016-10-30
上傳用戶：zxc23456789
模擬退火算法通用類,改編自TSP問題求解，采用Java5范式來表示解，需要實現(xiàn)：評估算法，獲取當前解的領(lǐng)域，detalT【溫度變化值】，loopCount【循環(huán)次數(shù)】可調(diào)，更原始類型參看SACompute
上傳時間： 2014-01-12
上傳用戶：maizezhen
蟲蟲下載站版權(quán)所有 京ICP備2021023401號-1
