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
多维函数优化程序
- 用JAVA语言编写，包括PSO（Particle swarm optimization, 中文译名为粒子群优化或微粒群算法), DE (Differential evolution, 中文译名为差分进化或差异演化)等算法，有一些不带约束和带约束的算例（如Michelawicz的几个问题）。使用说明见usage.txt、RUNExample.bat和程序中的注释。 -with Java language, including the PSO (Particle swarm optimizat
fractal7and10
- 《分形算法与程序设计——Visual C++实现》的第七章和第十章源码 包括一维元胞自动机生成的Sierpinski三角形、随机分布的Sierpinski三角形、二维元胞自动机小程序源代码、DLA模型源代码、用DLA模型模拟植物的生长源代码、原点演化圆形边界的DLA程序源垂直演化折线干预的DLA程序源代码、垂直演化汉字干预的DLA程序源代码。 随机中点位移法生成山源代码、三维空间中的分形插值算法源代码-"fractal algorithm and program design
code_multiphase
- chan和vese的多水平集算法，可以用2条初始水平集来演化，从而达到检测多目标的目的。-chan and the multi-level set algorithm, you can use two sets to the initial level of evolution, so as to achieve the goal of multi-purpose.
GUOTAO
- 郭涛算法 熟悉的朋友应该知道 演化计算相关-Guo's algorithm familiar friends should know that evolutionary computation related
DCE
- DCE离散曲线演化算法，通过离散曲线演化算法来求得轮廓曲线的关键点-DCE curve evolution algorithm
DE
- 差分进化算法是一种新兴的进化计算技术它是由Storn等人于1995年提出的，和其它演化算法一样，DE是一种模拟生物进化的随机模型，通过反复迭代，使得那些适应环境的个体被保存了下来。-Differential evolution algorithm is a new evolutionary computation technique which is proposed by Storn et al in 1995, like other evolutionary algorithms, DE i
DE
- 差分演化算法，用于求解多峰函数最优解十分有效，最近兴起。和PSO有的一拼-differential evolution algorithm
bbo
- 用matlab实现生物地理学优化算法，生物地理学优化算法是一种很好地演化计算的方法，可用于车间调度等诸多问题(Using MATLAB to achieve biogeography optimization algorithm, biogeography optimization algorithm is a good method of evolutionary computation, which can be used in many problems such as workshop
新建 Microsoft Word 97 - 2003 文档
- PSO算法是基于群体的，根据对环境的适应度将群体中的个体移动到好的区域。然而它不对个体使用演化算子，而是将每个个体看作是D维搜索空间中的一个没有体积的微粒（点），在搜索空间中以一定的速度飞行，这个速度根据它本身的飞行经验和同伴的飞行经验来动态调整(PSO algorithm is based on the group, according to the environment to the fitness of the individual to move to the area.However
pos1
- 粒子群算法的简单实现，二维函数优化的实例，并做了动态演化图。(A simple example of particle swarm optimization, simple one-dimensional function optimization example)
基于FPGA改进粒子群优化算法
- 利用权重和差异演化来改进PSO 并在FPGA中实现(Using weight and difference evolution to improve PSO and implement in FPGA)
test
- 差分演化的蒙特卡洛算法通用程序，修改舒服初始模型prior及其最大似然函数即可(solves an important practical problem in RWM, namely that of choosing an appropriate scale and orientation for the jumping distribution.)
ABC_1
- 人工蜂群算法自2005年被Karaboga等人提出以来，以其操作简单、参数少、易于编程实现、收敛速度快等特点而受到越来越多的关注。2007年，Karaboga【2007】使用人工蜂群算法对多变量函数进行优化，并对由人工蜂群算法（ABC），遗传算法（GA），粒子温度算法（PSO）和粒子温度灵敏演化算法（PS-EA）产生的结果进行了比较。 结果表明，人工蜂群算法优于其他算法。2009年，Karaboga【2009】使用人工蜂群算法优化大量的数值函数，并对由人工蜂群算法（ABC），遗传算法（GA），粒
Particle Swarm Optimization
- 优化算法的一种，粒子群寻优算法。它的基本核心是利用群体中的个体对信息的共享从而使得整个群体的运动在问题求解空间中产生从无序到有序的演化过程，从而获得问题的最优解。(a kind smart mathema algorithm____Particle Swarm Optimization)
基于演化博弈的两个小区用户的资源分配
- 该算法利用演化博弈的思想进行多小区用户的资源分配，将小区重叠部分当做种群，种群中的用户进行演化博弈进行网络切换，基站为其分配子信道。本算法利用matlab进行仿真测试，仿真结果显示演化博弈能够达到稳定，提升系统吞吐量，在小区资源分配能够有一个很好的参考。不同于传统的资源分配方法，可以给出一个新思路(The algorithm uses the idea of evolutionary game to allocate resources for multi-cell users. The ove
社区划分算法模块度函数计算
- 上世纪60年代，Herbert Simon 首先提出了复杂系统具有模块结构特性的概念。而针对社区的研究实际上是从子图分割问题演化而来，Kernighan-Lin 提出的二分算法使得子图分割问题逐渐成为当时图挖掘领域关注的重点。另外，在社会学领域，社会学家也发现社区结构在各种复杂网络中的普遍存在性。进入21世纪后，社区的研究开始被研究者所重视，而近年来随着社交网络的崛起，这一领域的关注度已大大提升。使用时讲后缀名改为py，python打开
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