搜索资源列表
模拟退火例子1
- 模拟退火算法来源于固体退火原理，将固体加温至充分高，再让其徐徐冷却，加温时，固体内部粒子随温升变为无序状，内能增大，而徐徐冷却时粒子渐趋有序，在每个温度都达到平衡态，最后在常温时达到基态，内能减为最小。根据Metropolis准则，粒子在温度T时趋于平衡的概率为e-ΔE/(kT)，其中E为温度T时的内能，ΔE为其改变量，k为Boltzmann常数。用固体退火模拟组合优化问题，将内能E模拟为目标函数值f，温度T演化成控制参数t，即得到解组合优化问题的模拟退火算法：由初始解i和控制参数初值t开始，对
模拟退火例子2
- 模拟退火算法来源于固体退火原理，将固体加温至充分高，再让其徐徐冷却，加温时，固体内部粒子随温升变为无序状，内能增大，而徐徐冷却时粒子渐趋有序，在每个温度都达到平衡态，最后在常温时达到基态，内能减为最小。根据Metropolis准则，粒子在温度T时趋于平衡的概率为e-ΔE/(kT)，其中E为温度T时的内能，ΔE为其改变量，k为Boltzmann常数。用固体退火模拟组合优化问题，将内能E模拟为目标函数值f，温度T演化成控制参数t，即得到解组合优化问题的模拟退火算法：由初始解i和控制参数初值t开始，对
模拟退火例子3
- 模拟退火算法来源于固体退火原理，将固体加温至充分高，再让其徐徐冷却，加温时，固体内部粒子随温升变为无序状，内能增大，而徐徐冷却时粒子渐趋有序，在每个温度都达到平衡态，最后在常温时达到基态，内能减为最小。根据Metropolis准则，粒子在温度T时趋于平衡的概率为e-ΔE/(kT)，其中E为温度T时的内能，ΔE为其改变量，k为Boltzmann常数。用固体退火模拟组合优化问题，将内能E模拟为目标函数值f，温度T演化成控制参数t，即得到解组合优化问题的模拟退火算法：由初始解i和控制参数初值t开始，对
particle-filter-mcmc
- 该程序为基于粒子滤波的一种新算法,综合MCMC Bayesian Model Selection即MONTE CARLO马尔克夫链的算法,用来实现目标跟踪,多目标跟踪,及视频目标跟踪及定位等,解决非线性问题的能力比卡尔曼滤波,EKF,UKF好多了,是我珍藏的好东西,现拿出来与大家共享,舍不得孩子套不着狼,希望大家相互支持,共同促进.-the program based on particle filter for a new algorithm, Integrated Bayesian MCMC
VB36
- 要解决三个冲突:1.同一老师任两门以上课程的在同一时间内安排在不同的班讲课 2.不同的课程在相同时间内安排在同一教室 3 .教室容量与学生人数的冲突 数据库:班级表(班级名称,人数) 教师表(教师名称,所教科目) 科目表(科目名称,总学时数,周学时数) 教室表(教室名称,容量) 我不知道还需不需要一个时间表?? 要求:每天上下午各开4节课,每周按5天上课,一共18周.每次两节课一起上. 在排课时,每周所开的课程的总学时数要小于周学时数. 多学时课要隔一天以上才上第二
CFA-Matlab
- 有关链路容量和流量优化分配的遗传算法 函数功能 使用遗传算法求解通信网链路容量和流量联合优化分配问题-Related to link capacity and flow of genetic algorithm to optimize the distribution function using genetic algorithm function communication network link capacity and traffic distribution of the
rl
- 人工神经网络(Aartificial Neural Network，下简称ANN)是模拟生物神经元的结构而提出的一种信息处理方法。早在1943年，已由心理学家Warren S.Mcculloch和数学家Walth H.Pitts提出神经元数学模型，后被冷落了一段时间，80年代又迅猛兴起［1］。ANN之所以受到人们的普遍关注，是由于它具有本质的非线形特征、并行处理能力、强鲁棒性以及自组织自学习的能力。其中研究得最为成熟的是误差的反传模型算法(BP算法，Back Propagation)，它的网络
ANN_andGA_in_the_Multi-sediment_Flood_Forecasting.
- 作者采用具有高度非线性识别能力的人工神经网络与遗传算法相结合的方法，探讨了建立智能预报模型的基本方法，进一步对如何提高预报精度的问题进行了研究，并结合黄河洪水预报实例检验了神经网络模型的可行性。-The author used to identify the capacity of highly non-linear artificial neural network combining with genetic algorithm approach to explore the establi
Oil_distrb
- 广度优先解决小孩分油问题 在Ondraw里改变分油桶的容量及目标油量-Breadth-first solution to the issue of children at the oil change in the sub-Ondraw tank capacity and the target fuel
GACFA
- 使用遗传算法求解通信网链路容量和流量联合优化分配问题!-Communications network using genetic algorithm for solving the joint optimization of link capacity and flow allocation problem!
beibao
- 采用遗传算法解决0-1背包问题，即装入物体容量有限，每个物体有不同价值，使得最终价值最高-Using genetic algorithm to solve the 0-1 knapsack problem, that is, limited capacity into objects, each object has a different value, making the final value of the maximum
posp
- 采用粒子群优化算法解决WDM光网络保护容量优化问题，该问题是一个NP完全问题。-particle swarm algorithm to slove the wdm optical network protection capacity assginment problem.
SAPSO
- 权重改进粒子群算法中的自适应权重法，平衡了PSO算法的全局探索能力和局部改良能力-Weight improved particle swarm algorithm in the adaptive weighting method to balance the global exploration of the PSO algorithm is improved capacity and capacity of local
Immune_Chaotic_Network_Algorithm_for_Multimodal_Fu
- 针对多峰函数优化问题，借鉴混沌遍历特性和免疫网络理论，提出一种免疫混沌网络算法。算法利用混沌运动的自身规律在不同的峰值区域内搜索最佳抗体，增强了算法的局部搜索能力；采用网络抑制策略，保持了种群的多样性；通过网络补充机制自适应地调节抗体群的规模，提高了算法对不同类型多峰函数的适应能力。仿真结果表明该算法能有效地改善种群的多样性，较好地保持全局搜索和局部搜索的动态平衡，具有更强的多峰函数优化能力-Referred to the ergodicity of chaos and immune netwo
lsyc
- 信道容量C的迭代算法 函数说明： [CC,Paa]=ChannelCap(P,k) 为信道容量函数 变量说明： P：输入的正向转移概率矩阵，k：迭代计算精度 CC：最佳信道容量，Paa：最佳输入概率矩阵 Pa：初始输入概率矩阵，Pba：正向转移概率矩阵 Pb：输出概率矩阵，Pab：反向转移概率矩阵 C：初始信道容量， r：输入符号数，s：输出符号数 -Channel capacity C o
xxs
- 信道容量C的迭代算法 函数说明： [CC,Paa]=ChannelCap(P,k) 为信道容量函数 变量说明： P：输入的正向转移概率矩阵，k：迭代计算精度 CC：最佳信道容量，Paa：最佳输入概率矩阵 Pa：初始输入概率矩阵，Pba：正向转移概率矩阵 Pb：输出概率矩阵，Pab：反向转移概率矩阵 C：初始信道容量， r：输入符号数，s：输出符号数 -Channel capacity C o
Assessment
- BP神经网络的雷达网抗隐身能力评估设计 -BP neural network anti-stealth radar network capacity assessment
box_problem
- 完整实现装箱子问题，并利用vs2005建立控制台完整演示工程。算法描述： 1.给定单个箱子的容量 2.输入需要装入箱子的物品个数 3.分别输入待装入箱子的物品的容量 4.结果输出：将所有物品装箱子的最佳方案 -Complete implementation of the loading box problem and establish a console full advantage of vs2005 demo project. Algorithm descr iptio
pid
- 人工神经网络(Artificial Neural Network)是从生理角度对智能的模拟，具有极 高的学习能力和自适应能力，能够以任意精度逼近任意函数，完成对系统的仿真； 而遗传算法是对自然界生物进化过程的模拟，具有极强的全局寻优能力，这两种 算法都是当下研究较多的智能方法。将这两种方法与常规的 PID 控制相结合， 构成智能 PID 控制器，使其具有参数自整定、自适应的能力，以适应复杂环境 下的控制要求，这一思路对提高控制效果具有很好的现实意义。 -Artificia
Crystal-Based-on-BP-Network
- 摘 要： 介绍BP算法神经网络由线拟舍方法，并借助MATLAB工具箱函数将它运用于方解石色散特性研 究，通过拟合效果图，误差曲线，误差范数反映BP神经网络的优越性，体现BP算法较高的预测能力和良好的泛化能 力，并且可以自动地确定数学模型．精确度高，原理也较简单，尤其对复杂的输入输出系统具有更好的效果。-Abstract： Curve fitting method of BP neural network was introduced and applied in the model of