function [alpha,N,U]=youxianchafen2(r1,r2,up,under,num,deta) %[alpha,N,U]=youxianchafen2(a,r1,r2,up,under,num,deta) %該函數(shù)用有限差分法求解有兩種介質(zhì)的正方形區(qū)域的二維拉普拉斯方程的數(shù)值解 %函數(shù)返回迭代因子、迭代次數(shù)以及迭代完成后所求區(qū)域內(nèi)網(wǎng)格節(jié)點(diǎn)處的值 %a為正方形求解區(qū)域的邊長 %r1,r2分別表示兩種介質(zhì)的電導(dǎo)率 %up,under分別為上下邊界值 %num表示將區(qū)域每邊的網(wǎng)格剖分個數(shù) %deta為迭代過程中所允許的相對誤差限 n=num+1; %每邊節(jié)點(diǎn)數(shù) U(n,n)=0; %節(jié)點(diǎn)處數(shù)值矩陣 N=0; %迭代次數(shù)初值 alpha=2/(1+sin(pi/num));%超松弛迭代因子 k=r1/r2; %兩介質(zhì)電導(dǎo)率之比 U(1,1:n)=up; %求解區(qū)域上邊界第一類邊界條件 U(n,1:n)=under; %求解區(qū)域下邊界第一類邊界條件 U(2:num,1)=0;U(2:num,n)=0; for i=2:num U(i,2:num)=up-(up-under)/num*(i-1);%采用線性賦值對上下邊界之間的節(jié)點(diǎn)賦迭代初值 end G=1; while G>0 %迭代條件：不滿足相對誤差限要求的節(jié)點(diǎn)數(shù)目G不為零 Un=U; %完成第n次迭代后所有節(jié)點(diǎn)處的值 G=0; %每完成一次迭代將不滿足相對誤差限要求的節(jié)點(diǎn)數(shù)目歸零 for j=1:n for i=2:num U1=U(i,j); %第n次迭代時網(wǎng)格節(jié)點(diǎn)處的值 if j==1 %第n+1次迭代左邊界第二類邊界條件 U(i,j)=1/4*(2*U(i,j+1)+U(i-1,j)+U(i+1,j)); end if (j>1)&&(j U2=1/4*(U(i,j+1)+ U(i-1,j)+ U(i,j-1)+ U(i+1,j)); U(i,j)=U1+alpha*(U2-U1); %引入超松弛迭代因子后的網(wǎng)格節(jié)點(diǎn)處的值 end if i==n+1-j %第n+1次迭代兩介質(zhì)分界面（與網(wǎng)格對角線重合）第二類邊界條件 U(i,j)=1/4*(2/(1+k)*(U(i,j+1)+U(i+1,j))+2*k/(1+k)*(U(i-1,j)+U(i,j-1))); end if j==n %第n+1次迭代右邊界第二類邊界條件 U(i,n)=1/4*(2*U(i,j-1)+U(i-1,j)+U(i+1,j)); end end end N=N+1 %顯示迭代次數(shù) Un1=U; %完成第n+1次迭代后所有節(jié)點(diǎn)處的值 err=abs((Un1-Un)./Un1);%第n+1次迭代與第n次迭代所有節(jié)點(diǎn)值的相對誤差 err(1,1:n)=0; %上邊界節(jié)點(diǎn)相對誤差置零 err(n,1:n)=0; %下邊界節(jié)點(diǎn)相對誤差置零 G=sum(sum(err>deta))%顯示每次迭代后不滿足相對誤差限要求的節(jié)點(diǎn)數(shù)目G end
標(biāo)簽： 有限差分
上傳時間： 2018-07-13
上傳用戶：Kemin
設(shè)有n=2k個運(yùn)動員要進(jìn)行網(wǎng)球循環(huán)賽。現(xiàn)要設(shè)計(jì)一個滿足以下要求的比賽日程表：⑴每個選手必須與其他n-1個選手各賽一次；⑵每個選手一天只能賽一次；⑶循環(huán)賽一共進(jìn)行n-1天。按此要求可將比賽日程表設(shè)計(jì)－成有n行和n-l列的一個表。在表中第i行和第j列處填入第i個選手在第j天所遇到的選手。用分治法編寫為該循環(huán)賽設(shè)計(jì)一張比賽日程表的算法并運(yùn)行實(shí)現(xiàn)、對復(fù)雜度進(jìn)行分析。
標(biāo)簽： 算法 實(shí)驗(yàn)指導(dǎo)書 設(shè)計(jì)與分析
上傳時間： 2019-06-04
上傳用戶：594551562
利用FIFO先進(jìn)先出算法實(shí)現(xiàn)分頁請求，先進(jìn)先出
上傳時間： 2019-12-01
上傳用戶：yytyj
30個數(shù)學(xué)建模智能算法及MATLAB程序代碼:chapter10基于粒子群算法的多目標(biāo)搜索算法.rarchapter11基于多層編碼遺傳算法的車間調(diào)度算法.rarchapter12免疫優(yōu)化算法在物流配送中心選址中的應(yīng)用 .rarchapter13粒子群優(yōu)化算法的尋優(yōu)算法.rarchapter14基于粒子群算法的PID控制器優(yōu)化設(shè)計(jì).rarchapter15基于混合粒子群算法的TSP搜索算法 .rarchapter16 基于動態(tài)粒子群算法的動態(tài)環(huán)境尋優(yōu)算法.rarchapter17基于PSO工具箱的函數(shù)優(yōu)化算法.rarchapter18魚群算法函數(shù)尋優(yōu).rarchapter19基于模擬退火算法的TSP算法.rarchapter1遺傳算法工具箱.rarchapter20基于遺傳模擬退火算法的聚類算法.rarchapter21模擬退火算法工具箱及應(yīng)用.rarchapter22蟻群算法的優(yōu)化計(jì)算——旅行商問題(TSP)優(yōu)化 .rarchapter23基于蟻群算法的二維路徑規(guī)劃算法.rarchapter24 基于蟻群算法的三維路徑規(guī)劃算法.rarchapter25有導(dǎo)師學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的回歸擬合——基于近紅外光譜的汽油辛烷值預(yù)測.rarchapter26.rarchapter27無導(dǎo)師學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的分類——礦井突水水源判別.rarchapter28支持向量機(jī)的分類——基于乳腺組織電阻抗特性的乳腺癌診斷 .rarchapter29支持向量機(jī)的回歸擬合——混凝土抗壓強(qiáng)度預(yù)測.rarchapter2基于遺傳算法和非線性規(guī)劃的函數(shù)尋優(yōu)算法 .rarchapter30極限學(xué)習(xí)機(jī)的回歸擬合及分類.rarchapter3基于遺傳算法的BP神經(jīng)網(wǎng)絡(luò)優(yōu)化算法 .rarchapter4sa_tsp.rarchapter5基于遺傳算法的LQR控制器優(yōu)化設(shè)計(jì).rarchapter6遺傳算法工具箱詳解及應(yīng)用 .rarchapter7多種群遺傳算法的函數(shù)優(yōu)化算法.rarchapter8基于量子遺傳算法的函數(shù)尋優(yōu)算法 .rarchapter9基于遺傳算法的多目標(biāo)優(yōu)化算法.rar
標(biāo)簽： 數(shù)學(xué)建模 matlab
上傳時間： 2021-11-28
上傳用戶：
移動機(jī)器人路徑規(guī)劃尤其是未知環(huán)境下機(jī)器人路徑規(guī)劃是機(jī)器人技術(shù)中的一個重要研究領(lǐng)域，得到了很多研究者的關(guān)注，并取得了一系列重要成果。目前已存在許多用來解決該問題的優(yōu)化算法，但是此類問題屬于N-Hard問題，尋求更佳的算法就成為該領(lǐng)域的一個研究熱點(diǎn)。為此，根據(jù)機(jī)器人路徑規(guī)劃算法的研究現(xiàn)狀和向智能化，仿生化發(fā)展的趨勢，研究了一種基于圖的機(jī)器人路徑規(guī)劃螞蟻優(yōu)化算法。算法首先用柵格法對機(jī)器人的工作空間進(jìn)行建模，并用一個狀態(tài)矩陣表示其狀態(tài)，由此構(gòu)造出一個連通圖，由一組螞蟻在圖上模擬螞蟻的覓食行為，從而得到避碰的優(yōu)化路徑。最后，借鑒分枝隨機(jī)過程和生滅過程的理論知識，用概率的方法從理論上對該算法的收斂性進(jìn)行了分析，在此基礎(chǔ)上，結(jié)合計(jì)算機(jī)仿真結(jié)果，證實(shí)了本文提出的算法的有效性和收斂性。迄今為止，對于未知環(huán)境下機(jī)器人路徑規(guī)劃，人們已經(jīng)探索出了許多有效的求解方法諸如虛擬力場法、基于學(xué)習(xí)或Q學(xué)習(xí)的規(guī)劃方法、滾動窗口規(guī)劃方法、非啟發(fā)式方法及各類定位、導(dǎo)航方法等等。近年來，不少學(xué)者用改進(jìn)的遺傳算法、神經(jīng)網(wǎng)絡(luò)、隨機(jī)樹、蟻群算法等方法對未知環(huán)境下機(jī)器人路徑進(jìn)行了規(guī)劃機(jī)器人路徑規(guī)劃算法向智能化、仿生化發(fā)展是一個明顯的趨勢.由于已有算法不同程度的存在一定局限性，諸如搜索空間大、算法復(fù)雜、效率不高等，尤其對于未知環(huán)境，不少路徑規(guī)劃算法的復(fù)雜度較高，甚至無法求解，根據(jù)日前的研究現(xiàn)狀和不足，本文提出了一種用于解決未知環(huán)境下機(jī)器人路徑規(guī)劃的基于圖的螞蟻算法，理論分析和實(shí)驗(yàn)結(jié)果都證明了本文算法的有效性和收斂性本課題研究的主要內(nèi)容本文在用概格法對機(jī)器人的工作空間進(jìn)行建模的基礎(chǔ)上，用一個狀態(tài)矩陣表示其狀態(tài)，由此構(gòu)造一個連通圖，由一組螞蚊在圖上模擬螞蟻的覓食行為，從而得到避碰的優(yōu)化路徑并借鑒分枝隨機(jī)過程和生滅過程的理論知識用概率的方法從理論上對該算法的收斂性進(jìn)行了分析，結(jié)合計(jì)算機(jī)仿真，證明了本文算法的有效性和收斂性
標(biāo)簽： 機(jī)器人 路徑規(guī)劃 螞蟻算法
上傳時間： 2022-03-10
上傳用戶：kingwide
第一章 機(jī)器學(xué)習(xí)革命學(xué)習(xí)算法入門為何商業(yè)擁護(hù)機(jī)器學(xué)習(xí)給科學(xué)方法增壓10億個比爾·克林頓學(xué)習(xí)算法與國家安全我們將走向何方第二章 終極算法來自神經(jīng)科學(xué)的論證來自進(jìn)化論的論證來自物理學(xué)的論證來自統(tǒng)計(jì)學(xué)的論證來自計(jì)算機(jī)科學(xué)的論證機(jī)器學(xué)習(xí)算法與知識工程師天鵝咬了機(jī)器人終極算法是狐貍，還是刺猬我們正面臨什么危機(jī)新的萬有理論未達(dá)標(biāo)準(zhǔn)的終極算法候選項(xiàng)機(jī)器學(xué)習(xí)的五大學(xué)派第三章 符號學(xué)派：休謨的歸納問題特別說明：僅作為愛好者學(xué)習(xí)使用（請勿商用）！本文檔由人工智能吧（QQ群 565128329）整理提供并更多學(xué)習(xí)分享，若覺得不錯請購買印刷版書籍。約不約“天下沒有免費(fèi)的午餐”定理對知識泵進(jìn)行預(yù)設(shè)如何征服世界在無知與幻覺之間你能信任的準(zhǔn)確度歸納是逆向的演繹掌握治愈癌癥的方法20問游戲符號學(xué)派第四章 聯(lián)結(jié)學(xué)派：大腦如何學(xué)習(xí)感知器的興盛與衰亡物理學(xué)家用玻璃制作大腦世界上最重要的曲線攀登超空間里的高峰感知器的復(fù)仇一個完整的細(xì)胞模型大腦的更深處第五章 進(jìn)化學(xué)派：自然的學(xué)習(xí)算法達(dá)爾文的算法探索：利用困境程序的適者生存法則性有何用先天與后天誰學(xué)得最快，誰就會贏第六章 貝葉斯學(xué)派：在貝葉斯教堂里統(tǒng)治世界的定理所有模型都是錯的，但有些卻有用從《尤金·奧涅金》到Siri所有東西都有關(guān)聯(lián)，但不是直接關(guān)聯(lián)推理問題掌握貝葉斯學(xué)派的方法馬爾可夫權(quán)衡證據(jù)邏輯與概率：一對不幸的組合第七章 類推學(xué)派：像什么就是什么完美另一半維數(shù)災(zāi)難空中蛇災(zāi)爬上梯子起床啦第八章 無師自通物以類聚，人以群分發(fā)現(xiàn)數(shù)據(jù)的形狀擁護(hù)享樂主義的機(jī)器人熟能生巧學(xué)會關(guān)聯(lián)第九章 解開迷惑萬里挑一終極算法之城馬爾科夫邏輯網(wǎng)絡(luò)從休謨到你的家用機(jī)器人行星尺度機(jī)器學(xué)習(xí)醫(yī)生馬上來看你第十章 建立在機(jī)器學(xué)習(xí)之上的世界性、謊言和機(jī)器學(xué)習(xí)數(shù)碼鏡子充滿模型的社會分享與否？方式、地點(diǎn)如何？神經(jīng)網(wǎng)絡(luò)搶了我的工作戰(zhàn)爭不屬于人類谷歌＋終極算法=天網(wǎng)？進(jìn)化的第二部分
標(biāo)簽： 機(jī)器學(xué)習(xí) 人工智能
上傳時間： 2022-05-07
上傳用戶：
遺傳算法(genetical algorithm)是模擬自然界生物進(jìn)化過程與機(jī)制求解問題的一類自組織與自適應(yīng)的人工智能技術(shù)，已廣泛應(yīng)用于計(jì)算機(jī)科學(xué)、人工智能、信息技術(shù)及工程實(shí)踐。 全書共分3章，第l章給出了遺傳算法的幾何理論，第2章給出了遺傳算法的馬爾可夫鏈分析，第3章給出了遺傳算法的收斂理論。 本書可以作為應(yīng)用數(shù)學(xué)、計(jì)算機(jī)科學(xué)、系統(tǒng)科學(xué)等專業(yè)研究生的教材，也可以作為研究遺傳算法的參考書。 遺傳算法的數(shù)學(xué)基礎(chǔ)由張文修、梁怡編著，是一本重點(diǎn)在于闡述遺傳算法的數(shù)學(xué)基礎(chǔ)的書籍。
標(biāo)簽： 遺傳算法 數(shù)學(xué)
上傳時間： 2022-05-25
上傳用戶：
matlab數(shù)學(xué)建模算法全收錄 超清書簽版
標(biāo)簽： matlab 數(shù)學(xué)建模 收錄 算法
上傳時間： 2013-05-15
上傳用戶：eeworm
視頻圖像格式轉(zhuǎn)換芯片的算法研究
標(biāo)簽： 視頻圖像 格式轉(zhuǎn)換 芯片 算法研究
上傳時間： 2013-05-25
上傳用戶：eeworm
精通：VISUAL C++指紋模式識別系統(tǒng)算法及實(shí)現(xiàn)_0
上傳時間： 2013-06-01
上傳用戶：eeworm
蟲蟲下載站版權(quán)所有 京ICP備2021023401號-1
