搜索资源列表
tanxin
- 这是一个贪心算法的c程序。贪心算法（也叫贪婪算法）不是某种特定的算法，而是一类抽象的算法，或者说只是一种思想，它的具体表现在，对解空间进行搜索时，不是机械地搜索，而是对局部进行择优选取，贪心算法的目的不是为了找到全部解，也当然找不出最优解，而只是找出一种可行解，这样就会得到惊人的高效性。因此，贪心算法也叫启发式搜索，这种启发就是所谓的“贪心策略”。-This is a greedy algorithm c procedures. Greedy algorithm (also known as t
cfffsss
- 改进后的算法大大减少了对于那些运动矢量为零的块的搜索冗余，同时对于运动比较剧烈的块直接进入大范围搜索。这样即提高了搜索效率，又不会使搜索结果陷入局部最优。-improved algorithm greatly reduced for those zero motion vector search block redundancy, Meanwhile, more intense campaign of direct access to block large-scale search. That
T96b
- 分水岭算法——“汇水盆地”的确定 搜索局部最大种子点，设置阈值标志和阈值-watershed algorithm -- "catchment basin" to determine the best local search seeds, setting the threshold value and a threshold
22219011211120071115164509189959
- SUSAN算子用于角点检测的基本步骤： 1） 对于感兴趣的每个象素点（一般的情况就是图像中的每个象素点）作用一圆模板； 2） 根据亮度比较函数计算圆模板中的USAN区域； 3） 根据几何阈值，计算象素点的初始响应； 4） 使用USAN重心与核中心的距离法则去除伪角点，使用USAN重心与核中心的连线上的每个点都必须在USAN区域来保证算法的一致性（即USAN区域的相连性） 5） 对每个象素点的响应，使用 （或更大）的窗口搜索局部极大值，进行非极大值抑制
afs1
- 人工鱼群算法（AFSA）是2002年李晓磊提出的基于鱼群行为的寻求全局最优 的新型搜索策略，该算法具有较优的全局收敛能力及较快的寻优速度。本文首次将 人工鱼群算法应用于人工神经网络的学习，形成了人工鱼群神经网络模型，通过与 BP算法、模拟退化算法、进化算法训练的人工神经网络进行比较，验证了人工鱼群 神经网络在全局寻优能力上的优势，进而利用人工鱼群神经网络进行电力系统短期 负荷预测，建立了人工鱼群神经网络预测模型。为了进一步提高算法的稳定性，以 及求得全局最优值的能力，文中
New_Genetic_Algorithm
- 遗传算法及其育种:GA于20世纪60年代由美国Michigan大学J.H.Holland教授[1]首先提出。它可广泛应用于人工智能、机器学习、函数的优化、自动控制等领域。GA的突出特点是将问题的解空间通过编码转换为GA的搜索空间，把问题的解转换为生物的个体，并借助生物的遗传和进化理论，对多个个体同时进行选择、交叉和变异操作。这样，可以较快地搜索到最优解。但是，遗传算法易陷入局部最优。搜索效率还不是很高。因此，为了克服这些缺点缺点，本文提出了育种算法，可以较好地解决遗传算法的问题。-Genetic
junluotuxiangfenge
- 遗传算法用于菌落图像分割。遗传算法其固有的并行性和不易陷入局部最优的特点使之非常适于大规模搜索空间的寻优，使图像分割产生的误差最小，为解决图像分割中的参数选择难题提供了有力的保障。附有程序清单-A New Model for Image Segmentation
particle
- 本代码为经典PSO微粒群算法，通过修改w值，使得PSO的搜索在全局与局部之间得到最优-The code for the classic PSO particle swarm algorithm, by modifying the w value, makes the PSO search between the global and local optimal
EyePos
- 最小邻域均值投影函数及其在眼睛定位算法.提出一种投影函数：最小邻域均值投影函数．该函数通过计算每条投影线上各像素点邻域均值的最小值 来跟踪图像中的低灰度特征．与传统的积分投影函数和方差投影函数相比，它以求最小值的局部选择性代替传统投 影函数的全局累加性，因此具有对片状噪声不敏感的特点、此外，在计算过程中，它还能记录最小值点的二维位置信 息，是一个二维的搜索算子、最小邻域均值投影函数的这些特点使其非常适合于眼睛定位．它对眼睛，特别是瞳孔，总 能够产生精确、鲁棒的响应通过在CAS—P
simulated-annealing-algorithm--cPP
- 模拟退火算法是通过赋予搜索过程一种时变且最终趋于零的概率突跳性，从而可有效避免陷入局部极小并最终趋于全局最优的串行结构的优化算法-Simulated annealing algorithm is the search process by giving a time-change and ultimately tends to zero the probability of jumps, and thus can effectively avoid falling into local min
蛙跳程序
- 蛙跳算法（SFLA）是一种全新的启发式群体进化算法，具有高效的计算性能和优良的全局搜索能力。对混合蛙跳算法的基本原理进行了阐述，针对算法局部更新策略引起的更新操作前后个体空间位置变化较大，降低收敛速度这一问题，提出了一种基于阈值选择策略的改进蛙跳算法。通过不满足阈值条件的个体分量不予更新的策略，减小了个体空间差异，从而改善了算法的性能。数值实验证明了该改进算法的有效性，并对改进算法的阈值参数进行了率定。(Leapfrog algorithm (SFLA) is a new heuristic p
686993
- RBFS算法递归最佳优先搜索：A家族和LRTA算法联机局部搜索,又名实时学习A搜索,同为A家族实现图的单源最短路径()
iznclions
- RBFS算法递归最佳优先搜索：A家族和LRTA算法联机局部搜索,又名实时学习A搜索,同为A家族实现图的单源最短路径()
tesk-distinguish-multi_tasking
- 高效的k-means算法实现,使用了k-d树与局部搜索等提高k-means算法的执行效率,同时包含示例代码,用c++代码实()
062594
- RBFS算法递归最佳优先搜索：A家族和LRTA算法联机局部搜索,又名实时学习A搜索,同为A家族实现图的单源最短路径()
967578
- 高效的k-means算法实现,使用了k-d树与局部搜索等提高k-means算法的执行效率,同时包含示例代码,用c++代码实()
IEPHONM
- RBFS算法递归最佳优先搜索：A家族和LRTA算法联机局部搜索,又名实时学习A搜索,同为A家族实现图的单源最短路径()
PSOGA
- 粒子群优化算法，弥补pso全局搜能力差，GA局部搜索能力差的不足(Particle Swarm Optimization (PSO) can make up for the deficiencies of poor global search ability of PSO and poor local search ability of GA.)
蚁群算法
- 本文对蚁群算法的基本理论以及在 TSP 问题中的应用进行了系统研究和 MATLAB 仿真。介绍了蚁群算法的基本原理、特点和算法的实现方法。.基本蚁群算法由于存在搜索时间长，易陷入局部最优解等突出缺点，使得求解效果不是很好。针对这些缺陷，提出了改进的蚁群算法（最大-最小蚂蚁系统）求解 TSP 问题。改进主要在于限制路径信息素浓度、信息素的初始值以及强调对最优解得利用这三个方面。(In this paper, the basic theory of ant colony algorithm and
PSO的PID控制器
- 针对一般的粒子群优化(PSO)学习算法中存在的容易陷入局部最优和搜索精度不高的缺点,对改进型PSO算法进行研究。由于惯性权重系数ω对算法是否会陷入局部最优起到关键的作用,因此,通过改变惯性权重ω的选择,对惯性权重系数采取线性减小的方法,引入改进型的PSO算法。采用改进的PSO算法对PID控制器进行参数优化并把得到的最优参数应用于控制系统中进行仿真。仿真实验结果表明:改进型PSO算法不会陷入局部最优,能得到全局最优的PID控制器的参数,并使得控制系统的性能指标达到最优,控制系统具有较好的鲁棒性。(