模擬退火算法的基本思想是從一給定解開(kāi)始,從鄰域中隨機(jī)產(chǎn)生另一個(gè)解,接受Metropolis準(zhǔn)則允許目標(biāo)函數(shù)在有限范圍內(nèi)變壞,它由一控制參數(shù)t決定,其作用類(lèi)似于物理過(guò)程中的溫度T,對(duì)于控制參數(shù)的每一取值,算法持續(xù)進(jìn)行“產(chǎn)生—判斷—接受或舍去”的迭代過(guò)程,對(duì)應(yīng)著固體在某一恒定溫度下的趨于熱平衡的過(guò)程,當(dāng)控制參數(shù)逐漸減小并趨于0時(shí),系統(tǒng)越來(lái)越趨于平衡態(tài),最后系統(tǒng)狀態(tài)對(duì)應(yīng)于優(yōu)化問(wèn)題的全局最優(yōu)解,該過(guò)程也稱(chēng)為冷卻過(guò)程,由于固體退火必須緩慢降溫,才能使固體在每一溫度下都達(dá)到熱平衡,最終趨于平衡狀態(tài),因此控制參數(shù)t經(jīng)緩慢衰減,才能確保模擬退火算法最終優(yōu)化問(wèn)題的整體最優(yōu)解。
標(biāo)簽： Metropolis 控制 參數(shù) 模擬退火算法
上傳時(shí)間： 2013-12-25
上傳用戶(hù)：cmc_68289287
用4個(gè)種群來(lái)優(yōu)化函數(shù)，每次取三個(gè)種群里面的最佳放入第四種群，經(jīng)過(guò)反復(fù)迭代后取得函數(shù)的最佳值
標(biāo)簽： 函數(shù)
上傳時(shí)間： 2017-06-29
上傳用戶(hù)：LouieWu
基于BP神經(jīng)網(wǎng)絡(luò)識(shí)別字符. BP神經(jīng)網(wǎng)絡(luò)算法是把一組樣本輸入輸出問(wèn)題轉(zhuǎn)化為一個(gè)非線(xiàn)性?xún)?yōu)化問(wèn)題，并通過(guò)梯度算法利用迭代運(yùn)算求解權(quán)值的一種學(xué)習(xí)方法。采用BP網(wǎng)絡(luò)進(jìn)行分類(lèi)，并附加線(xiàn)性感知器來(lái)實(shí)現(xiàn)單字符的有效識(shí)別，算法簡(jiǎn)便，識(shí)別率高，可適用于多種高噪聲環(huán)境中的印刷體字符識(shí)別。
標(biāo)簽： BP神經(jīng)網(wǎng)絡(luò) 識(shí)別 字符 算法
上傳時(shí)間： 2017-07-03
上傳用戶(hù)：wlcaption
基于OFDM系統(tǒng)的傳統(tǒng)信道編碼，諸如卷積嗎，交織迭代的概念進(jìn)行了描述并給出了源代碼。
上傳時(shí)間： 2017-07-12
上傳用戶(hù)：cainaifa
JSP 標(biāo)準(zhǔn)標(biāo)記庫(kù)（JSP Standard Tag Library，JSTL）是一個(gè)實(shí)現(xiàn) Web 應(yīng)用程序中常見(jiàn)的通用功能的定制標(biāo)記庫(kù)集，這些功能包括迭代和條件判斷、數(shù)據(jù)管理格式化、XML 操作以及數(shù)據(jù)庫(kù)訪問(wèn)
標(biāo)簽： JSP Standard Library Tag
上傳時(shí)間： 2017-07-18
上傳用戶(hù)：woshini123456
在知道怎么建立容器，迭代它們的內(nèi)容，添加刪除元素和應(yīng)用常見(jiàn)算法的基礎(chǔ)上，該書(shū)中作者解釋了怎么結(jié)合STL組件在庫(kù)的設(shè)計(jì)得到最大的好處。
標(biāo)簽： 容器
上傳時(shí)間： 2013-12-20
上傳用戶(hù)：miaochun888
ift運(yùn)算方法，pid控制器，迭代學(xué)習(xí)控制
上傳時(shí)間： 2013-12-17
上傳用戶(hù)：lvzhr
實(shí)現(xiàn)了蟻群算法求解TSP問(wèn)題。注釋詳細(xì) function[R_best,L_best,L_ave,Shortest_Route,Shortest_Length]=ACATSP(C,NC_max,m,Alpha,Beta,Rho,Q) ------------------------------------------------------------------------- 主要符號(hào)說(shuō)明 C n個(gè)城市的坐標(biāo)，n×2的矩陣 NC_max最大迭代次數(shù) m螞蟻個(gè)數(shù) Alpha表征信息素重要程度的參數(shù) Beta表征啟發(fā)式因子重要程度的參數(shù) Rho信息素蒸發(fā)系數(shù) Q信息素增加強(qiáng)度系數(shù) R_best各代最佳路線(xiàn) L_best各代最佳路線(xiàn)的長(zhǎng)度 =========================================================================
標(biāo)簽： Shortest_Length Shortest_Route function R_best
上傳時(shí)間： 2014-01-17
上傳用戶(hù)：lunshaomo
tsp問(wèn)題的群蟻算法實(shí)現(xiàn)，其中c為測(cè)試矩陣，代表各點(diǎn)的相對(duì)坐標(biāo)，NC_max 最大迭代次數(shù) ，m螞蟻個(gè)數(shù)，Alpha 表征信息素重要程度的參數(shù)，Beta 表征啟發(fā)式因子重要程度的參數(shù)，Rho 信息素蒸發(fā)系數(shù)，Q 信息素增加強(qiáng)度系數(shù)，R_best 各代最佳路線(xiàn)，L_best 各代最佳路線(xiàn)的長(zhǎng)度，運(yùn)行后得到最佳路線(xiàn)和收斂曲線(xiàn)
上傳時(shí)間： 2013-12-27
上傳用戶(hù)：ippler8
實(shí)現(xiàn)1到100的素?cái)?shù)求和，首先要判斷哪些是素?cái)?shù)，然后在迭代相加
標(biāo)簽： 100
上傳時(shí)間： 2013-12-19
上傳用戶(hù)：zhouchang199
蟲(chóng)蟲(chóng)下載站版權(quán)所有 京ICP備2021023401號(hào)-1
