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
Boltzmann
- vb的波尔兹曼机（含模拟退火算法），有需要的可参考一下 -vb the Boltzmann machine (with simulated annealing algorithm), the need of a reference
Boltzmann Machin
- 仿真1：首先把网络温度参数T固定在100，按工作规则共进行1000次状态更新,把这1000次状态转移中网络中的各个状态出现的次数Si（i＝1，2，…，16）记录下来 按下式计算各个状态出现的实际频率： Pi=Si/∑i=1,NSi=Si/M 同时按照Bo1tzmann分布计算网络各个状态出现概率的理论值： Q（Ei）=（1/Z）exp（-Ei/T） 仿真2：实施降温方案，重新计算 采用快速降温方案：T（t）= T0/（1+t） T从1000降到0.01，按工作规则更新网络状态 当T=0.01时结
BOLTZMAN
- Boltzmann Machine Optimization 人工智能人工神经网络源码-Boltzmann Machine Optimization of artificial neural network artificial intelligence source
BAM
- Bidirectional Associative Memory Heteroassociative Memory 人工智能人工神经网络源码;-Bidirectional Associative Memory Heteroassociative Memory artificial intelligence artificial neural network source
TSP
- 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，
EDA_Tutorial
- 分布估计算法（EDA）讲义，29页PPT 1. 从GA到 EDA 2. 链接学习与模型 3. 连续EDA 4. EDA 与玻耳兹曼分布 5. 资源 -estimation of distribution algorithm（EDA）tutorial 1. from the GA to the EDA 2. Linking learning and models 3. Continuous EDA 4. EDA with Boltzmann distri
libann.1.4.tar
- 该源码实现了人工神经网络算法,包括hopfield和boltzmann等网络，并附有例程！-The source implementation of artificial neural network algorithms, including hopfield and boltzmann-peer networks, together with routine!
BOLTZMAN
- 人工智能，玻尔兹曼机的模拟退火，可以应用与优化旅行商问题-Artificial Intelligence, Boltzmann machine, simulated annealing, traveling salesman problem and optimization can be applied
mnth
- 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
D1Q5
- 1D lattice boltzmann code in C
BOLTZMAN
- BOLTZMAN模拟退火算法的玻尔兹曼机-BOLTZMAN Boltzmann simulated annealing machine
cylinder
- 格子boltzmann方法模拟2D圆柱绕流程序 matlab程序d2Q9模型-Lattice boltzmann simulation of flow around 2D cylinder model program matlab program d2Q9
lbm2d.cpp
- 何雅玲教授的二维方腔流格子Boltzmann代码-Lattice Boltzmann code for 2D lid-driven cavity flow by He Yaling
LibDriven_LBM
- 用c++实现顶盖驱动流，采用格子Boltzmann方法-This file is part of the book named "格子Boltzmann方法的理论及应用 ".Details can be found in Page 216～222 in Appendix D.You are free to use, copy and modify the sources under certain umstances, provided this copyright notice remains
apps_MPICH-i686
- Lattice boltzman方法模拟流体流动的软件。-an open-source parallelizable lattice Boltzmann simulation for computational fluid dynamics
SA
- 模拟退火算法 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
Boltzmann
- 对一个三节点的玻尔兹曼机，在初始温度和初态确定的情况下，采用步长为-0.1的线性降温方式训练，通过编写程序确定在T 0时的状态-For a three-node Boltzmann machine, in the case of initial temperature and initial state determination, the use of a step-by-step linear cooling mode training, through the preparation of