搜索资源列表
Civil-structure-optimization-design
- 本书介绍优化算法的基本理论，及在土木工程行业中的应用。-This book presents the basic theory of optimization algorithms, and applications in civil engineering industry.
Particle-swarm-optimization
- 微粒群优化算法(Particle Swarm Optimization,PSO算法)源于鸟群和鱼群群体运 动行为的研究，是一种新的群体智能优化算法，是演化计算领域中的一个新的分支。它 的主要特点是原理简单、参数少、收敛速度较快，所需领域知识少。该算法的出现引起 了学者们极大的关注，已在函数优化、神经网络训练、组合优化、机器人路径规划等领 域获得了广泛应用，并取得了较好的效果。尽管粒子群优化算法发展近十年，但无论是 理论分析还是实践应用都尚未成熟，有大量的问题值得研究。 -
GA-programme
- 智能优化算法又称为现代启发式算法，是一种具有全局优化性能、通用性强、且适合于并行处理的算法。这种算法一般具有严密的理论依据，而不是单纯凭借专家经验，理论上可以在一定的时间内找到最优解或近似最优解。-Intelligent optimization algorithms, also known as the modern heuristic algorithms, global optimization is a kind of performance, versatility, and suit
www.glzy8.com_doc211710963390
- 遗传算法的编码方式 基于无向图理论的计算机网络k-划分优化遗传算法-Encoding algorithm based on undirected graph theory optimization of computer networks, genetic algorithms k-partition
AIA-in-Function-Optimization
- 人工免疫算法在函数优化中的应用,这篇论文比较偏理论，理解起来较费力-Artificial immune algorithm in function optimization applications, this paper compares the theoretical side, more effort to understand
convolutional-codes-calculation
- 针对基于距离谱的凿孔卷积码优化设计问题, 提出了一种高效的凿孔卷积码距离谱计算方法. 利 用卷积码状态图和凿孔码凿孔图样构造一个长度为凿孔周期的状态转移矩阵序列, 并利用状态转移矩 阵序列的乘积计算传输函数和距离谱. 为了避免符号矩阵的求逆运算, 又给出了基于状态逐步消除的传 输函数计算方法. 分析和仿真结果表明: 这种方法既有较高的计算效率, 又有很强的实用性, 可以用来 进行优化设计或者理论分析.-Hole to the distance spectrum of convol
XMLarithmetic
- 针对 XML 数据半结构化的特点及概率查询理论，结合蚁群算法，提出添加杂交算子和更新信息素的方法，该方法不仅能动态选 择数据查询方向，而且能避免无效查询，扩大数据查询范围，提高收缩效率。模拟测试证明了该方法能优化XML查询。-Semi-structured XML data for the characteristics and the probability of query theory, combined with the ant colony algorithm, crossover
Rearrangement-Algorithm
- 基因组重构是改变基因在基因组中排列顺序的生物过程,可归结为三种主要操作:移位、反转和转位。重组距离即从一个基因组转化为另一个基因组所需的最少重组次数。双重基因组中每条染色体都是成对出现的。双重基因组重构问题,即要求计算一个与给定基因组移位距离最短的双重基因组。对于该问题,Nadia El-Mabrouk等人给出了一个多项式时间算法。本文利用Delphi集成开发环境,将该算法实现为双重基因组重构软件:(1)设计了优化的数据结构 (2)给出了详细的实现方法。(3)调试验证了算法的正确性。 本文首先介
genetic-algorithm
- 利用fortran编程的二进制遗传算法。遗传算法将生物界遗传进化思想用于数学优化当中，形成了一种特性优良的启发式搜索算法，它能较方便地搜索出目标函数的最优值，更为重要的是，遗传算法的目标函数可以是连续函数，也可以是间断函数，因此它的使用范围比微积分极值理论的应用范围更广-Binary genetic algorithm
Data-Redundancy
- 高性能数据冗余删除 不断增长的来源多元化，如电信呼叫数据记录，望远镜的图像，网页，股市，医疗记录和其他领域的海量数据处理和分析的需要，引发全球数据密集型计算的研究。这里涉及到一个关键的要求删除数据冗余，因为这提高了并行数据处理的计算效率。这些应用领域有强烈的需要高吞吐量巨大的容量为1 GB/ s以上的速度数据流的重复数据删除。在本文中，我们提出一种新的并行数据冗余去除算法的设计。我们也存在排队的理论分析，以优化我们的多核架构的并行算法的吞吐量。-High Throughput Data Redu
1
- 基于遗传算法的PID算法参数研究 以自然选择和基因遗传理论为基础,将生物进化过程中的适者生存规则与群体内部染色体的随机信息交换机制相结合,在问题解空间内进行全局并行、随机的搜索,其结果是向全局最优方向收敛.GA 模仿生物进化的步骤,引入繁殖,交叉,变异等算子. 繁殖是在父母代种群中将适应度较高的个体选择出来,根据适者生存原理,淘汰适应度较低的个体,以优化种群 交叉是从种群中随机地抽取一对个体,并随机地选择一位交叉位进行交叉,生成新样本,达到增大搜索空间的目的 变异是模仿生物的基因突变,为了防止繁
rw4r23er
- 以自然选择和基因遗传理论为基础,将生物进化过程中的适者生存规则与群体内部染色体的随机信息交换机制相结合,在问题解空间内进行全局并行、随机的搜索,其结果是向全局最优方向收敛.GA 模仿生物进化的步骤,引入繁殖,交叉,变异等算子. 繁殖是在父母代种群中将适应度较高的个体选择出来,根据适者生存原理,淘汰适应度较低的个体,以优化种群 交叉是从种群中随机地抽取一对个体,并随机地选择一位交叉位进行交叉,生成新样本,达到增大搜索空间的目的 变异是模仿生物的基因突变,为了防止繁殖和交叉丢失重要的遗传信息 它对
34523-
- 以自然选择和基因遗传理论为基础,将生物进化过程中的适者生存规则与群体内部染色体的随机信息交换机制相结合,在问题解空间内进行全局并行、随机的搜索,其结果是向全局最优方向收敛.GA 模仿生物进化的步骤,引入繁殖,交叉,变异等算子. 繁殖是在父母代种群中将适应度较高的个体选择出来,根据适者生存原理,淘汰适应度较低的个体,以优化种群 交叉是从种群中随机地抽取一对个体,并随机地选择一位交叉位进行交叉,生成新样本,达到增大搜索空间的目的 变异是模仿生物的基因突变,为了防止繁殖和交叉丢失重要的遗传信息 它对
5436546
- 以自然选择和基因遗传理论为基础,将生物进化过程中的适者生存规则与群体内部染色体的随机信息交换机制相结合,在问题解空间内进行全局并行、随机的搜索,其结果是向全局最优方向收敛.GA 模仿生物进化的步骤,引入繁殖,交叉,变异等算子. 繁殖是在父母代种群中将适应度较高的个体选择出来,根据适者生存原理,淘汰适应度较低的个体,以优化种群 交叉是从种群中随机地抽取一对个体,并随机地选择一位交叉位进行交叉,生成新样本,达到增大搜索空间的目的 变异是模仿生物的基因突变,为了防止繁殖和交叉丢失重要的遗传信息-GA
6756745
- 以自然选择和基因遗传理论为基础,将生物进化过程中的适者生存规则与群体内部染色体的随机信息交换机制相结合,在问题解空间内进行全局并行、随机的搜索,其结果是向全局最优方向收敛.GA 模仿生物进化的步骤,引入繁殖,交叉,变异等算子. 繁殖是在父母代种群中将适应度较高的个体选择出来,根据适者生存原理,淘汰适应度较低的个体,以优化种群 交叉是从种群中随机地抽取一对个体,并随机地选择一位交叉位进行交叉,生成新样本,达到增大搜索空间的目的 变异是模仿生物的基因突变-GA in power system
C
- 现代设计理论与方法中，基于C++的一维优化设计的相关程序-Modern design theory and methods, based on C++, one-dimensional optimal design procedures
erjiezhui
- 二阶锥均衡约束优化问题在工业工程,机器人研制以及连续逆优化等领域有着广泛的应用.本论文首先研究二阶锥互补集合的变分性质,基于这些性质研究二阶锥均衡约束优化问题的最优化性条件、二阶锥互补集合的Aubin性质以及线性规划与线性二阶锥规划逆问题的求解,其主要结果可概括如下： 1.第2章基于变分分析的经典理论,研究了二阶锥互补集合的变分性质,包括二阶锥互补集合切锥与法锥的计算公式以及二阶锥法锥映射coderivative的计算表达式,这些结果为后续的讨论提供了基础. 2.第3章在前一章研究的基础上,研究
aa
- 在过去的几年中, 背包问题吸引了众多理论研究人员和应用工作者的注意力, 因而得到了广泛而深入的研究。理论方面, 研究兴趣主要来自于该问题简单的结构, 而这种特点既可以深入探索许多组合特性, 又可以通过解决一系列背包子问题来最终求解更为复杂的优化问题。实践方面, 这些问题可以表述许多工业场合的应用, 最典型的应用包括货 物装载、存储分配和资本预算等等。在寻找背包问题可行解的过程中, 出现了众多的算法, 本文是利用MATLAB 程序求背包问题可行解的一种算法。-In the past few y
RSC
- 人脸识别的稀疏表示识别方法将稀疏表示的保真度表示为余项的L2范数，但最大似然估计理论证明这样的假设要求余项服从高斯分布，实际中这样的分布可能并不成立，特别是当测试图像中存在噪声、遮挡和伪装等异常像素，这就导致传统的保真度表达式所构造的稀疏表示模型对上述这些情况缺少足够的鲁棒性。而最大似然稀疏表示识别模型则基于最大似然估计理论，将保真度表达式改写为余项的最大似然分布函数，并将最大似然问题转化为一个加权优化问题-Recently the sparse representation (or codin
21391054Artificial-Immune-Algorithm
- 人工免疫算法：基本免疫算法基于生物免疫系统基本机制，模仿了人体的免疫系统。基本免疫算法从体细胞理论和网络理论得到启发，实现了类似于生物免疫系统的抗原识别、细胞分化、记忆和自我调节的功能 。如果将免疫算法与求解优化问题的一般搜索方法相比较，那么抗原、抗体、抗原和抗体之间的亲和性分别对应于优化问题的目标函数、优化解、解与目标函数的匹配程度-Artificial immune algorithm: the basic immune algorithm is based on the basic mec