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
BP神經(jīng)網(wǎng)絡(luò)源代碼，代碼詳細(xì)設(shè)計(jì)了網(wǎng)絡(luò)節(jié)點(diǎn)、迭代過程、及調(diào)用接口，在VC6.0下調(diào)用測(cè)試通過
標(biāo)簽： BP神經(jīng)網(wǎng)絡(luò) 源代碼
上傳時(shí)間： 2014-01-03
上傳用戶：集美慧
RS 碼的編譯碼程序，對(duì)編碼分析有一定的幫助，采用迭代譯碼算法.
上傳時(shí)間： 2013-12-21
上傳用戶：zhyiroy
《SESyetem節(jié)能模擬系統(tǒng)(版本:1.01a Final)》為自由軟件,對(duì)熱風(fēng)爐進(jìn)行 熱平衡計(jì)算、傳熱模擬、燃燒優(yōu)化、操作優(yōu)化等設(shè)計(jì)。 本軟件用Dephi6.0編寫，可以通過菜單或命令的方式進(jìn)行操作。由于模擬、 優(yōu)化等部分涉及到多次迭代計(jì)算，故對(duì)硬件要求較高，配置要求：主機(jī)在686以 上，操作系統(tǒng)為Windows 2000以上。 由于水平和時(shí)間、精力等因素，軟件肯定有不少的Bug，希望能得到高手的 指點(diǎn)。
標(biāo)簽： SESyetem Final Dephi 1.01
上傳時(shí)間： 2013-12-30
上傳用戶：yph853211
提供一個(gè)人工免疫算法源程序，其算法過程包括： 1.設(shè)置各參數(shù) 2.隨機(jī)產(chǎn)生初始群體——pop=initpop(popsize,chromlength) 3.故障類型編碼，每一行為一種！code(1,:)，正常；code(2,:)，50％；code(3,:)，150％。實(shí)際故障測(cè)得數(shù)據(jù)編碼，這里Unnoralcode,188％ 4.開始迭代（M次）： 1）計(jì)算目標(biāo)函數(shù)值：歐氏距離[objvalue]=calobjvalue(pop,i) 2）計(jì)算群體中每個(gè)個(gè)體的適應(yīng)度fitvalue=calfitvalue(objvalue) 3）選擇newpop=selection(pop,fitvalue) objvalue=calobjvalue(newpop,i) ％ 交叉newpop=crossover(newpop,pc,k) objvalue=calobjvalue(newpop,i) ％ 變異newpop=mutation(newpop,pm) objvalue=calobjvalue(newpop,i) ％ 5.求出群體中適應(yīng)值最大的個(gè)體及其適應(yīng)值 6.迭代停止判斷。
上傳時(shí)間： 2014-01-01
上傳用戶：trepb001
在C語言環(huán)境下使用的粒子群優(yōu)化算法，需要給出最大速度、迭代次數(shù)、作為中斷條件的最小誤差等初始條件。
標(biāo)簽： C語言 環(huán)境 優(yōu)化算法 粒子群
上傳時(shí)間： 2014-12-04
上傳用戶：wmwai1314
像片外方位元素計(jì)算程序，根據(jù)已知坐標(biāo)數(shù)據(jù)和最小二乘原理進(jìn)行間接平差，得到外方位元素的改正數(shù)，迭代求解
上傳時(shí)間： 2014-01-10
上傳用戶：zyt
遺傳求解求解一元二次方程的解源程序(下載點(diǎn)擊GAdownload.c) 說明： 1 popu變量表示群體規(guī)模 2 L變量表示染色體的長度 3 pc,pm變量分別代表是交叉概率和變異概率 4 gen是迭代的代數(shù) 4 chromosome是一個(gè)全局的二維數(shù)組，里面存放的是個(gè)體的編碼 5 程序最后的執(zhí)行結(jié)果輸出到了text.txt文本文件中
標(biāo)簽： GAdownload popu 變量 概率
上傳時(shí)間： 2015-06-03
上傳用戶：youth25
蟲蟲下載站版權(quán)所有 京ICP備2021023401號(hào)-1
