相信很多人都有對(duì)此算法有過詳細(xì)的了解,確實(shí)這個(gè)算法最K乘積問題應(yīng)用的還是很廣泛的
標(biāo)簽： 算法
上傳時(shí)間： 2015-04-24
上傳用戶：腳趾頭
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
k-means分群法，繁體中文版。以javascript寫成，網(wǎng)頁上即可執(zhí)行。自動(dòng)產(chǎn)出結(jié)果。
上傳時(shí)間： 2015-04-25
上傳用戶：希醬大魔王
K-means一個(gè)用C++實(shí)現(xiàn)的聚類算法
上傳時(shí)間： 2015-04-26
上傳用戶：talenthn
數(shù)據(jù)挖掘中的一個(gè)聚類算法k-means。
標(biāo)簽： k-means 數(shù)據(jù)挖掘 聚類算法
上傳時(shí)間： 2015-04-28
上傳用戶：zhliu007
模擬圖像邊緣檢測(cè)的C代碼[原創(chuàng)]先把圖像放大K倍，然后檢測(cè)邊緣。使用Roberts梯度檢測(cè)法。該方法在邊緣附近有失真，產(chǎn)生偽邊緣。
上傳時(shí)間： 2015-04-29
上傳用戶：1583060504
DSP編程代碼,FFT算法,經(jīng)典!! FFT實(shí)驗(yàn) 一、 理論： 公式（1）FFT運(yùn)算公式 FFT并不是一種新的變換，它是離散傅立葉變換（DFT）的一種快速算法。由于我們?cè)谟?jì)算DFT時(shí)一次復(fù)數(shù)乘法需用四次實(shí)數(shù)乘法和二次實(shí)數(shù)加法；一次復(fù)數(shù)加法則需二次實(shí)數(shù)加法。每運(yùn)算一個(gè)X（k）需要4N次復(fù)數(shù)乘法及2N+2（N-1）=2（2N-1）次實(shí)數(shù)加法。所以整個(gè)DFT運(yùn)算總共需要4N^2次實(shí)數(shù)乘法和N*2(2N-1)=2N(2N-1)次實(shí)數(shù)加法。如此一來，計(jì)算時(shí)乘法次數(shù)和加法次數(shù)都是和N^2成正比的，當(dāng)N很大時(shí)，運(yùn)算量是可觀的，因而需要改進(jìn)對(duì)DFT的算法減少運(yùn)算速度。 根據(jù)傅立葉變換的對(duì)稱性和周期性，我們可以將DFT運(yùn)算中有些項(xiàng)合并。 我們先設(shè)序列長(zhǎng)度為N=2^L，L為整數(shù)。將N=2^L的序列x(n)(n=0,1,……，N-1)，按N的奇偶分成兩組，也就是說我們將一個(gè)N點(diǎn)的DFT分解成兩個(gè)N/2點(diǎn)的DFT，他們又從新組合成一個(gè)如下式所表達(dá)的N點(diǎn)DFT： 一般來說，輸入被假定為連續(xù)、合成的。當(dāng)輸入為純粹的實(shí)數(shù)的時(shí)候，我們就可以利用左右對(duì)稱的特性更好的計(jì)算DFT。 我們稱這樣的RFFT優(yōu)化算法是包裝算法：首先2N點(diǎn)實(shí)數(shù)的連續(xù)輸入稱為“進(jìn)包”。其次N點(diǎn)的FFT被連續(xù)被運(yùn)行。最后作為結(jié)果產(chǎn)生的N點(diǎn)的合成輸出是
上傳時(shí)間： 2015-04-29
上傳用戶：牛布牛
java 實(shí)現(xiàn)K均值算法 編成工具：JBuilder
上傳時(shí)間： 2014-01-15
上傳用戶：pompey
蟲蟲下載站版權(quán)所有 京ICP備2021023401號(hào)-1
