游戲中爆炸效果的例子，將物體運(yùn)動(dòng)軌跡的計(jì)算、爆炸后粒子運(yùn)動(dòng)的計(jì)算及碰撞檢測(cè)計(jì)算完整的結(jié)合到一起，包含全部完整源代碼及執(zhí)行程序
標(biāo)簽：
上傳時(shí)間： 2013-12-19
上傳用戶：小寶愛考拉
//開發(fā)平臺(tái)：Microsoft .NET Framework 2.0，Microsoft Visual C# 2005 Express //日期：2005.3.12 //作者：劉波 //粒子群優(yōu)化算法(PSO)：本算法求目標(biāo)函數(shù)的最小值
標(biāo)簽： Microsoft Framework 2.0 NET
上傳時(shí)間： 2015-03-15
上傳用戶：yyyyyyyyyy
該文件的內(nèi)容是設(shè)計(jì)一個(gè)五層樓的電梯控制裝置,要求每層樓根據(jù)需要控制設(shè)上下控制按鍵及按鍵指示燈,全部樓層只設(shè)置一個(gè)當(dāng)前樓層顯示 電梯內(nèi)設(shè)開關(guān)門按鍵 各樓層按鍵及指示燈,開關(guān)門要有聲響提示 每層樓高度為0.30米,樓層全高1.5米
上傳時(shí)間： 2013-11-29
上傳用戶：lili123
蒙特卡羅算法。用盟特卡羅算法模擬光在組織鐘的傳播，也可以模擬其它領(lǐng)域隨機(jī)粒子的運(yùn)動(dòng)等。
上傳時(shí)間： 2014-07-05
上傳用戶：wangzhen1990
圖論算法，旅行推銷員問題，很有趣。 可算出圖中的哈米爾頓回路
上傳時(shí)間： 2013-12-19
上傳用戶：SimonQQ
本文介紹了AT89C2051單片機(jī)的性能和特點(diǎn)，并在分析了超聲波測(cè)距原理的基本系統(tǒng)框圖。該設(shè)計(jì)系統(tǒng)經(jīng)校正后，其測(cè)量精度可達(dá)0.1米
上傳時(shí)間： 2013-12-15
上傳用戶：lijianyu172
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(shí)，固體內(nèi)部粒子隨溫升變?yōu)闊o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)搜索過程。退火過程由冷卻進(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)搜索過程。退火過程由冷卻進(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)搜索過程。退火過程由冷卻進(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
用JAVA語言編寫，包括PSO（Particle swarm optimization, 中文譯名為粒子群優(yōu)化或微粒群算法), DE (Differential evolution, 中文譯名為差分進(jìn)化或差異演化)等算法，有一些不帶約束和帶約束的算例（如Michelawicz的幾個(gè)問題）。使用說明見usage.txt、RUNExample.bat和程序中的注釋。
上傳時(shí)間： 2014-01-06
上傳用戶：agent
蟲蟲下載站版權(quán)所有 京ICP備2021023401號(hào)-1
