搜索资源列表
SAAsdsd
- vc6.0编写的用模拟退火算法，实现函数优化的源程序-vc6.0 prepared by the simulated annealing algorithm to achieve optimal function of the source
newanneal
- 模拟退火算法，常用的数值优化算法，适合初学者，非常方便-simulated annealing method, commonly used numerical optimization algorithm, for beginners, a very convenient
SA_TSP001
- 模拟退火算法解决TSP问题，该算法效率高，能很好地解决路径优化问题。-simulated annealing algorithm to solve TSP problem, the algorithm is highly efficient and very good path to solve optimization problems.
JM98B
- 经典\"模拟退火算法\" 解决“推销员问题”的实例 对数模和组合优化问题很有帮助 简单易懂的C语言编程和详细的注释，容易推广到其他语言
4
- 这是关于模拟退火算法的资料，对于研究优化算法的同志有一定的参考价值。
Simular_Aneal_tools
- 模拟退火算法matlab工具箱，可以用于多目标优化、约束优化等方面，配合进化算法使用，是难的的好工具
TspSA
- 模拟退火智能优化算法对TSP问题的解决的源码修改！
SA
- 一个模拟退火算法的改进程序，用来进行矢量量化码本的优化
TspSA
- 使用模拟退火算法求解TSP优化问题,采用Visual C++实现的.
IPSO-based_ANN_with_SA
- 一种基于神经网络与模拟退火算法的改进粒子群优化算法，是英文
sa+ga
- 采用遗传算法和模拟退火算法解决ＶＬＳＩ中的布局优化问题
SAPSO
- 介绍了粒子群模拟退火算法在函数优化中的应用
mnthmatlab
- 智能优化算法 模拟退火算法的matlab程序，方便初学者学习
yzgjdycth
- 智能优化方法 对遗传算法和模拟退火算法的一种综合和改进，提高了算法的求解精度。
pfcim
- 基于混沌的模拟退火算法，计算时间和二维直方图,LCMV优化设计阵列处理信号。( Chaos-based simulated annealing algorithm, Computing time and two-dimensional histogram, LCMV optimization design array signal processing.)
粒子群
- 粒子群算法，也称粒子群优化算法或鸟群觅食算法（Particle Swarm Optimization），缩写为 PSO， 是近年来由J. Kennedy和R. C. Eberhart等开发的一种新的进化算法(Evolutionary Algorithm - EA)。PSO 算法属于进化算法的一种，和模拟退火算法相似，它也是从随机解出发，通过迭代寻找最优解，它也是通过适应度来评价解的品质，但它比遗传算法规则更为简单，它没有遗传算法的“交叉”(Crossover) 和“变异”(Mutation) 操
GASA
- 运用模拟退火遗传算法解决路径优化问题，其中已给出中文注释(GASA for VPR.Simulated Annealing Genetic Algorithms (SAGA) is used to solve the problem of path optimization, in which Chinese annotations are given.)
SABP汇率预测
- 此代码通过模拟退火算法优化BP神经网络进行汇率预测(This code optimizes BP neural network to predict exchange rate by simulated annealing algorithm)
matlabprogram
- 智能优化算法及其MATLAB仿真实例，包括进化类算法，群智能算法，模拟退火算法，禁忌搜索算法，神经网络算法等程序源码(Intelligent optimization algorithm and MATLAB simulation examples, including evolutionary algorithm, swarm intelligence algorithm, simulated annealing algorithm, tabu search algorithm, neural
chapter7
- 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