搜索资源列表
Neural_Network_Code_CHAPT4
- ALOPEX算法:它把神经网络的学习过程看作最优化问题的随机并行算法。-ALOPEX algorithm : it neural network learning process optimization as a random parallel algorithm.
erzhitufenge
- 提出了一种新颖的处理图像视觉聚类问题的方法。与以往关注图像局部特征和局部连续性的方法不同,本文中的方法能够提取关于图像的全局印象。为此,我们将图像分割问题转化为图划分问题并提出了划分中的一种全局判别准则——Ncut (Normalized Cut)。Ncut不仅能够衡量不同聚类之间的相异程度,还能够衡量各聚类内部的相似程度。为求解Ncut 的最优化问题,提出了一种基于广义特征值问题的高效算法,并将此算法应用于静态图像分割,取得了良好的效果。-proposed a novel image proc
tlsf
- 算法的许多例子都是最优化问题( optimization problem),每个最优化问题都包含一组限制条件( c o n s t r a i n t)和一个优化函数( optimization function),符合限制条件的问题求解方案称为可行解( feasible solution),使优化函数取得最佳值的可行解称为最优解(optimal solution)。-algorithm are many examples of optimization problems (optimizati
knowledgeyichuan
- 了解遗传算法 遗传算法是一种最优化算法,所谓最优化问题,就是这样一类问题,满足它的解(称为可行解)有很多(通常是极多)对于每一种解有一个评价函数得到一个评价值,也就确定了解集的一个偏序关系,在这个偏序关系的求最小值(或最大值)或者近似最小值(或最大值)。-understanding of the genetic algorithm is a genetic algorithm optimization algorithm, the so-called optimization problem
sgayiyuanyouhua
- 改进遗传算法-郭涛算法做最优化问题很管用,算法的基本思想是 先任意产生n个随机数,然后从n个数里随机选择m个数,再有这m个 数合成一个新数,将这个新数同n个数中间适应值函数值的最差的比较, 如果好的话就取代最差的那个,如果它比最好的还要好的话,则把最好的 也取代。如果比最差的坏,则重新合成一个新数。依次循环下去。 -improved genetic algorithm - Guo Tao algorithm optimization is the most
optimize_without_constraint
- 求解无约束最优化问题的各种算法集合!-solving unconstrained optimization algorithm for the pool!
chap06
- 这个是基于matlab的二次型的最优化问题的课件,值得一看。
ana
- 蚁群算法是一种求解组合最优化问题的新型通用启发式方法,该方法具有正反馈、分布式计算和富于建设性的贪婪启发式搜索的特点。通过建立适当的数学模型,基于故障过电流的配电网故障定位变为一种非线性全局寻优问题
youhua
- 最优化问题方法介绍,以及工具箱补充实验.m文件
NEURAL+NETWORK
- bp神经网络算法是解决最优化问题的先进算法之一,本论文讨论了神经网络中使用最为广泛的前馈神经网络。其网络权值学习算法中影响最大的就是误差反向传播算法(back-propagation简称BP算法)。BP算法存在局部极小点,收敛速度慢等缺点。基于优化理论的Levenberg-Marquardt算法忽略了二阶项。该文讨论当误差不为零或者不为线性函数即二阶项S(W)不能忽略时的Hesse矩阵的近似计算,进而训练网络。
PHR
- Lagrange乘子法 用于解约束最优化问题
lbfgs
- 可以解决无约束的最优化问题,如求目标函数的极值等。
gtsf
- 改进的遗传算法郭涛算法,最优化问题很管用。
optmize2
- 用0.618法和fibonacci法求解单变量的最优化问题,fibonacci法有两个,可以对比,一个慢一个快
ALOPEX
- 模式提取算法,它把神经网络的学习过程看作,最优化问题的随机并行算法。
ga
- ga算法的源码解连续空间.遗传算法解最优化问题的计算效率比较高、适用范围相当广
qpso40
- qpso算法解决电力系统最优化问题,例子是40个节点的大规模问题
PSO40
- 用标准PSO算法解决电力系统最优化问题,粒子采用的是40个节点的大规模问题
jiabutansuofa
- 用加步探索法确定一维最优化问题的搜索区间
GA_Matlab
- 在工业工程中,许多最优化问题性质十分复杂,很难用传统的优化方法来求解.自1960年以来,人们对求解这类难解问题日益增加.一种模仿生物自然进化过程的、被称为“进化算法(evolutionary algorithm)”的随机优化技术在解这类优化难题中显示了优于传统优化算法的性能。目前,进化算法主要包括三个研究领域:遗传算法、进化规划和进化策略。其中遗传算法是迄今为止进化算法中应用最多、比较成熟、广为人知的算法。