搜索资源列表
模拟退火算法在贷款组合优化决策中的应用
- 模拟退火算法在贷款组合优化决策中的应用-simulated annealing algorithm in the loan portfolio optimization of
annealing
- 用模拟退火算法求解连续优化问题的MATLAB程序-annealing algorithm
SA_TSP
- 用模拟退火算法解决旅行商类优化问题，有算法和例子，很好用。-Using simulated annealing algorithm to solve traveling salesman optimization problem category, there are algorithms and examples of good use.
Optimizers
- 一系列好用的用户友好的启发式优化算法，包括非自适应算法，基于模拟退火算法的种群算法，基本遗传算法，差分进化算法以及粒子群优化算法。此外，也包括神圣算法，它利用了所有这些优化算子，虽然有时交换种群之间的不同算法。-A nice set of user-friendly heuristic optimizers. Included are a non-adaptive, population based Simulated Annealing algorithm, a basic Genetic A
GASA
- 图像分割的优化算法，结合了遗传算法和模拟退火算法，并将优化算法和原始otsu方法进行了比较-Optimization of image segmentation algorithm that combines genetic algorithm and simulated annealing algorithm and optimization algorithm and the original method otsu are compared
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，
tuihou
- 模拟退火算法经常用于最优化问题，本算法通俗易用！-Simulated annealing algorithm often used for optimization problems, this algorithm is popular to use!
SAPSO
- 模拟退火-粒子群算法，该程序将模拟退火算法和粒子群算法相结合，对优化参数有很好的效果-Simulated annealing- particle swarm optimization, the program will be simulated annealing algorithm and particle swarm optimization by combining optimization parameters have a good effect
munituihuo
- 模拟退火算法解决TSP问题，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，对当前解重复“产生新解→计算目标函数差→接受或舍弃”的迭代，并逐步衰减t值，算法终止时的当前解即为所得近似最优解-Simulated annealing algorithm to solve the TSP problem, combined with solid-annealing simulation optimiza
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
modern_youhua
- 现代最优化算法（有170多页的PPT，2010年的） 分为三个部分 Part 1 概论 Part 2 模拟退火算法 Part 3 遗传算法 现在常用的优化算法 禁忌搜索算法 模拟退火算法 遗传算法 人工神经网络 蚁群算法 粒子群算法 混合算法-Modern optimization algorithm is divided into three parts Part 1 Part 2 Introduction Part 3 simul
模拟退火
- 使用模拟退火算法的特性解决TSP问题，另外可以利用此算法优化其他算法。(Use the simulated annealing algorithm to solve the TSP problem, and you can use this algorithm to optimize other algorithms.)
模拟退火算法
- 模拟退火算法属于现代优化算法的一种，，实现NP-hard组优化问题的全局最优解，解决大量的实际问题(The simulated annealing algorithm is one of the modern optimization algorithms, which can solve the global optimal solution of the NP-hard group optimization problem and solve a lot of practical probl
模拟退火算法
- 此种算法简单，有效，可以对所求的数据更加优化，使所求数据更加合理，绝对可以运行，请大家放心。(This algorithm is simple and effective. It can be more optimized for the data requested, so that the data is more reasonable and can be run. Please be assured.)
模拟退火算法计算函数最小值以及SVM参数寻优
- 利用模拟退火算法求解已知函数的最小值，即模拟退火算法寻优问题，可以广泛推广。(Using simulated annealing algorithm to solve the minimum of the known function, that is, the simulated annealing algorithm optimization problem, can be widely promoted.)
模拟退火
- 直接实现matlab的模拟退火算法优化，亲测可用，修改参数即可(Matlab simulation annealing algorithm optimization)
模拟退火算法
- 提出了一种基于粒子群优化(PSO)算法的径向基(RBF)网络参数优化算法,首先利用减聚类算法确定网络径向基函数中心的个数,再用PSO算法优化径向基函数的中心及宽度,最后用PSO算法训练隐含层到输出层的网络权值,找到神经网络权值的最优解,以达到优化神经网络学习的目的。最后,通过一个实验与最小二乘法优化的神经网络进行了比较,验证了算法的有效性。(Particle swarm optimization (PSO) optimization of RBF network)
模拟退火算法及其在求解TSP中的应用
- 模拟退火算法(Simulated Annealing，SA)最早的思想是由N. Metropolis [1] 等人于1953年提出。1983 年,S. Kirkpatrick 等成功地将退火思想引入到组合优化领域。它是基于Monte-Carlo迭代求解策略的一种随机寻优算法，其出发点是基于物理中固体物质的退火过程与一般组合优化问题之间的相似性。(The earliest idea of Simulated Annealing (SA) was put forward by N. Metropo
用模拟退火算法求解优化问题.yuann
- 模拟退火算法求解优化问题，实例非常好，推荐下载(Simulated annealing algorithm to solve the optimization problem, the example is very good, recommended download)
模拟退火算法
- MATLAB模拟退火算法，包含两个程序，一个是优化一元函数的，一个是优化多元函数的(MATLAB simulated annealing algorithm, including two programs, one is to optimize the unary function, one is to optimize the multivariate function)