搜索资源列表
-
1下载：
模拟退火算法 模拟退火算法(Simulated Annealing,简称SA算法)是模拟加热熔化的金属的退火过程，来寻找全局最优解的有效方法之一。 模拟退火的基本思想和步骤如下： 设S＝{s1,s2,…,sn}为所有可能的状态所构成的集合， f：S—R为非负代价函数，即优化问题抽象如下： 寻找s*∈S，使得f(s*)＝min f(si) 任意si∈S （1）给定一较高初始温度T，随机产生初始状态S （2）按一定方式，对当前状态作随机扰动，产生一个新的状态S’ S’＝S＋sign(η).δ 其中δ
-
-
2下载：
以一个简单的例子说明模拟退火算法的思想。 模拟退火法求函数f(x,y) = 5sin(xy) + x^2 + y^2的最小值，对理解模拟退火算法是一个很好的程序示例。-to a simple example illustrates the simulated annealing algorithm thinking. Simulated Annealing for the function f (x, y) = 5sin (xy) x ^ 2 y ^ 2 minimum, the right u
-
-
1下载：
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
-
-
0下载：
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
-
-
0下载：
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
-
-
0下载：
这个是SA模拟退火求函数极值用c++编译的程序-the simulated annealing SA is seeking function using extreme procedures c compiler
-
-
0下载：
This demo nstrates the use of the reversible jump MCMC simulated annealing for neural networks. This algorithm enables us to maximise the joint posterior distribution of the network parameters and the number of basis function. It performs a global se
-
-
0下载：
利用模拟退火算法快速求得连续函数的最优解，程序简单，算法效率高，精度高，鲁棒性好-Fast simulated annealing algorithm for the optimal solution obtained by a continuous function, the program is simple, efficient algorithm for high accuracy, good robustness
-
-
3下载：
基于遗传模拟退火算法的聚类算法。将模拟退火算法与遗传算法相结合用于聚类分析，由于模拟退火算法和遗传算法可以互相取长补短，因此有效地克服了传统遗传算法的早熟现象，同时根据聚类问题的具体情况设计遗传编码方式、适应度函数，使该算法更有效、更快速地收敛到全局最优解。
-Genetic simulated annealing algorithm based on clustering algorithms. Simulated annealing algorithm and genetic algo
-
-
0下载：
-
-
0下载：
神经网络（应用模拟退火算法求函数极值问题）-Neural network (the application of simulated annealing algorithm for function extremum problems)
-
-
0下载：
模拟退火实现的连续函数优化问题。仿真效果良好-Simulated annealing to achieve the continuous function optimization problems. Simulation results
-
-
0下载：
模拟退火算法可以分解为解空间、目标函数和初始解三部分-Simulated annealing algorithm can be decomposed into solution space, objective function and the initial solution of three parts
-
-
0下载：
使用模拟退火算法解决旅行商问题
程序框架中的Annealing.java文件，Annealing.java实现了Inter.java接口中的函数。接口函数getStrategy是一个返回类型为void的函数，函数的输入参数是一个字符串，代表输入文件的文件名-The use of simulated annealing algorithm to solve the TSP program in the framework of Annealing.java files, Annealing.j
-
-
1下载：
用模拟退火算法实现求函数极值问题，c++原码-Simulated annealing algorithm demand function, extremal problem, c++ source
-
-
0下载：
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
-
-
0下载：
Simulink 控制VR环境中的小车。小车有5个距离传感器，能够慢慢学会避开墙壁和障碍物。小车采用加强学习（Q learning），采用神经网络对Q函数逼近。由于使用了模拟退火，小车在开始的时候会经常撞击障碍物，10次后基本就不会再撞了。
-VR environment Simulink control car. There are 5 car distance sensor, can gradually learn to avoid walls and obstacles. Car us
-
-
1下载：
旅行商问题是一个典型的NP完全性问题。本文基于改进的自适应遗传
算法设计并开发了一个求解旅行商问题的软件程序，并将此程序进行了48
个城市的TSP问题计算，与模拟退火算法的计算过程及计算结果进行了比
较。文中给出了遗传算法在解决TSP问题中的参数选择和编码方式、适应
度函数的设计、种群的初始化和遗传算子的详细设计。通过对此程序的改
装，即可用于其他NP完全性问题的求解。-The traveling salesman problem is a typical NP proble
-
-
0下载：
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-S
-
-
0下载：
BP神经网络，使用模拟退火（simulated annealing）进行优化。c#环境开发。-BP neural network,with simulated annealing function that optimize the convergence rate.
-
