采用回溯法，利用動(dòng)態(tài)搜索樹的數(shù)據(jù)結(jié)構(gòu)來(lái)構(gòu)造一棵解樹，實(shí)現(xiàn)3著色問(wèn)題。 本程序使用迭代回溯算法
標(biāo)簽： 回溯法
上傳時(shí)間： 2017-09-26
上傳用戶：bruce5996
共軛梯度法為求解線性方程組而提出。后來(lái)，人們把這種方法用于求解無(wú)約束最優(yōu)化問(wèn)題， 使之成為一種重要的最優(yōu)化方法。 共軛梯度法的基本思想是把共軛性與最速下降方法相結(jié)合， 利用已知點(diǎn)處的梯度構(gòu)造一組共 軛方向， 并沿這組方向進(jìn)行搜索， 求出目標(biāo)函數(shù)的極小點(diǎn)。 根據(jù)共軛方向的基本性質(zhì)， 這種 方法具有二次終止性。 在各種優(yōu)化算法中， 共軛梯度法是非常重要的一種。 其優(yōu)點(diǎn)是所需存 儲(chǔ)量小，具有步收斂性，穩(wěn)定性高，而且不需要任何外來(lái)參數(shù)。 共軛方向 無(wú)約束最優(yōu)化方法的核心問(wèn)題是選擇搜索方向 . 在本次實(shí)驗(yàn)中 , 我們運(yùn)用基于共軛方向的一種 算法 — 共軛梯度法 三．算法流程圖： 四．實(shí)驗(yàn)結(jié)果： (1). 實(shí)驗(yàn)函數(shù) f=(3*x1-cos(x2*x3)-1/2)^2+(x1^2-81*(x2+0.1)+sin(x3)+1.06)^2+(exp(-x1*x2)+20*x3+ 1/3*(10*3.14159-3))^2; 給定初始點(diǎn) (0,0,0) ， k=1 ，最 大迭代次數(shù) n ? ? d 確定搜索方向 進(jìn) 退 法 確 定 搜 索 區(qū) 間 分割法確定最 優(yōu)步長(zhǎng)
上傳時(shí)間： 2016-05-08
上傳用戶：saren11
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(zhǎng) %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(gè)數(shù) %deta為迭代過(guò)程中所允許的相對(duì)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(duì)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(duì)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(duì)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(shí)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(duì)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(duì)誤差 err(1,1:n)=0; %上邊界節(jié)點(diǎn)相對(duì)誤差置零 err(n,1:n)=0; %下邊界節(jié)點(diǎn)相對(duì)誤差置零 G=sum(sum(err>deta))%顯示每次迭代后不滿足相對(duì)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(shí)間： 2018-07-13
上傳用戶：Kemin
機(jī)翼極限環(huán)振蕩（LCO）是典型的非線性氣動(dòng)彈性問(wèn)題，嚴(yán)重的會(huì)造成機(jī)翼的結(jié)構(gòu)破壞。為了精確捕捉極限環(huán)振蕩初始臨界點(diǎn)，準(zhǔn)確預(yù)測(cè)極限環(huán)的幅值，為機(jī)翼的設(shè)計(jì)提供準(zhǔn)確的數(shù)據(jù)參考，本文綜合考慮了氣動(dòng)與結(jié)構(gòu)非線性的影響，提出了一種松耦合氣動(dòng)彈性仿真方法。在子迭代過(guò)程中分別采用LUSGS雙時(shí)間推進(jìn)和多步推進(jìn)法交替求解氣動(dòng)和結(jié)構(gòu)動(dòng)力學(xué)方程；一種高效的插值技術(shù)應(yīng)用于耦合界面數(shù)據(jù)的映射與傳遞；采用精確動(dòng)網(wǎng)格技術(shù)模擬氣體的非定常流動(dòng)。對(duì)標(biāo)準(zhǔn)模型切尖三角翼的跨音速極限環(huán)振蕩的計(jì)算與分析，表明相比同類仿真方法，通過(guò)此方法得到結(jié)果與實(shí)驗(yàn)值吻合更好；證明了結(jié)構(gòu)幾何非線性與氣動(dòng)非線性是誘發(fā)LCO的重要原因。耦合仿真方法保真度高，能為強(qiáng)非線性結(jié)構(gòu)的強(qiáng)度設(shè)計(jì)提供重要依據(jù)。
標(biāo)簽： 極限環(huán) 振蕩仿真 計(jì)算
上傳時(shí)間： 2013-10-22
上傳用戶：m62383408
文中詳細(xì)地介紹了正交投影子空間跟蹤算法（OPAST），它是一種基于最優(yōu)化問(wèn)題的方法，保證了每次迭代時(shí)權(quán)向量的正交性，并具有和PAST算法一樣的線性復(fù)雜度，以及與自然冪法（NP）一樣的全局收斂性。然而將其應(yīng)用于盲多用戶檢測(cè)時(shí)，在迭代一定次數(shù)后，會(huì)出現(xiàn)誤碼率突然增大現(xiàn)象，這就導(dǎo)致了算法性能的下降，為了解決這一問(wèn)題，文中提出一種方法，并通過(guò)仿真結(jié)果，證明它是行之有效的。
標(biāo)簽： OPAST 算法 多用戶檢測(cè) 中的應(yīng)用
上傳時(shí)間： 2014-11-11
上傳用戶：xaijhqx
根據(jù)ID 號(hào)找出不同照片中的同名編碼點(diǎn), 順次對(duì)照片進(jìn)行相對(duì)定向和絕對(duì)定向。然后,根據(jù)多幅圖像的多極線幾何約束, 實(shí)現(xiàn)非編碼點(diǎn)的匹配, 消除誤匹配。采用前方交會(huì)法重建標(biāo)志點(diǎn)的三維坐標(biāo), 利用光束平差對(duì)計(jì)算出的結(jié)果和內(nèi)外部參數(shù)做迭代修正.
標(biāo)簽： 大尺寸 工業(yè) 視覺(jué)測(cè)量
上傳時(shí)間： 2013-10-19
上傳用戶：love_stanford
CT重建算法，迭代算法ARTII，乘型ART算法，該算法法比初始值選擇不能為0
標(biāo)簽： 重建算法
上傳時(shí)間： 2014-01-11
上傳用戶：zhouli
線性方程組的數(shù)值解法，包括高斯消去，三角分解，追趕法和Jacobi等迭代方法
上傳時(shí)間： 2013-12-26
上傳用戶：問(wèn)題問(wèn)題
優(yōu)點(diǎn)：1.對(duì)于信噪比高的信號(hào)濾波效果好； ％ 2.對(duì)于邊沿的保護(hù)強(qiáng)過(guò)閾值濾波，不會(huì)產(chǎn)生閾值濾波情況下的過(guò)于平滑與Gibbs現(xiàn)象。 ％缺點(diǎn)：1.由于對(duì)邊沿信號(hào)沒(méi)做任何處理，所以邊沿可能會(huì)有脈沖噪聲保留下來(lái)； ％ 2.計(jì)算相關(guān)系數(shù)中，如果計(jì)算出來(lái)的小波系數(shù)點(diǎn)位置偏差大，則相關(guān)系數(shù)計(jì)算受影響； ％ 3.需要迭代運(yùn)算，迭代的噪聲能量閾值選取很重要，這里以開(kāi)始段無(wú)信號(hào)處估計(jì)噪聲； ％ 4.需要迭代運(yùn)算，所以運(yùn)算量比閾值法大； ％ 5.受分解層次影響，在大尺度上小波系數(shù)點(diǎn)位置偏差更大，相關(guān)系數(shù)計(jì)算不準(zhǔn)確。 ％需要具體調(diào)整的地方：1.分解的尺度；
標(biāo)簽： 信噪比 信號(hào)濾波 保護(hù) 閾值
上傳時(shí)間： 2013-12-26
上傳用戶：wlcaption
數(shù)值線性代數(shù)的Matlab應(yīng)用程序包 共13個(gè)程序函數(shù)，每個(gè)程序函數(shù)有相應(yīng)的例子函數(shù)一一對(duì)應(yīng)，以*Example.m命名 程序名稱 用途 Method 方法 GrmSch.m QR因子分解 classical Gram－Schmidt orthogonalization 格拉母－斯密特 MGrmSch.m QR因子分解 modified Gram－Schmidt iteration 修正格拉母－斯密特 householder.m QR因子分解 Householder 豪斯霍爾德QR因子分解 ZXEC.m 最小二乘擬合 polynomial interpolant 最小二乘插值多項(xiàng)式 NCLU.m LU因子分解 Gaussian elimination 不選主元素的高斯消元 PALU.m LU因子分解 partial pivoting Gaussian elimination 部分選主元的高斯消元 cholesky.m 楚因子分解 Cholesky Factorization 楚列斯基因子分解 PwItrt.m 求最大特征值 Power Iteration 冪迭代 Jacobi.m 求特征值 Jacobi iteration 按標(biāo)準(zhǔn)行方式次序的雅可比算法 Anld.m 求上Hessenberg Arnoldi Iteration 阿諾爾迪迭代 zuisu.m 解線性方程組 Steepest descent 最速下降法 CG.m 解線性方程組 Gradients 共軛梯度 BCG.m 解線性方程組 Biconjugate Gradients 雙共軛梯度
標(biāo)簽： Matlab 數(shù)值 應(yīng)用程序 函數(shù)
上傳時(shí)間： 2016-05-17
上傳用戶：小鵬
蟲蟲下載站版權(quán)所有 京ICP備2021023401號(hào)-1
