搜索资源列表
模拟退火源码
- 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
GA_PID
- 此程序代码为基于遗传算法的PID整定，利用MATLAB编程实现。该程序通过遗传算法实现参数寻优，是一种不需要任何初始信息并可以寻求全局最优解的、高效的优化组合方法。-this procedure code based on genetic algorithms for PID tuning, using MATLAB programming. The procedures through genetic algorithm optimization of the parameters. is a
EGA
- 遗传算法的程序 遗传 算 法 (GeneticA lgorithm,G A)是一种大规模并行搜索优化算法，它模 拟了达尔文“适者生存”的进化规律和随机信息交换思想，仿效生物的遗传方式， 从随机生成的初始解群出发，开始搜索过程。解群中的个体称为染色体，它是一 串符号，可以是一个二进制字符串，也可以是十进制字符串或采用其他编码方式 形成的码串。对父代(当前代)群体进行交叉、变异等遗传操作后，根据个体的 适应度〔fitness)进行选择操作，适应度高的个体有较高的概率被选中并
Matlab
- 本文介绍了遗传算法的流程及几个算子, 给出了在matlab 语言环境下实现编码、译码、选择、重组和变异各算子的编程方法, 最 后用一个实例来说明遗传算法在寻找全局最优解中的应用。
ga_tsp530
- 免疫遗传算法用于搜索全局最优解,经验证具有很好的效率和收敛性
afs1
- 人工鱼群算法（AFSA）是2002年李晓磊提出的基于鱼群行为的寻求全局最优 的新型搜索策略，该算法具有较优的全局收敛能力及较快的寻优速度。本文首次将 人工鱼群算法应用于人工神经网络的学习，形成了人工鱼群神经网络模型，通过与 BP算法、模拟退化算法、进化算法训练的人工神经网络进行比较，验证了人工鱼群 神经网络在全局寻优能力上的优势，进而利用人工鱼群神经网络进行电力系统短期 负荷预测，建立了人工鱼群神经网络预测模型。为了进一步提高算法的稳定性，以 及求得全局最优值的能力，文中
以K－均值聚类结果为初始解的模拟退火聚类
- 由于K－均值聚类算法局部最优的特点，而模拟退火算法理论上具有全局最优的特点。因此，用模拟退火算法对聚类进行了改进。20组聚类仿真表明，平均每次对K结果值改进8次左右，效果显著。下一步工作：实际上在高温区随机生成邻域是个组合爆炸问题（见本人上载软件‘k－均值聚类算法’所述），高温跳出局部解的概率几乎为0，因此正考虑采用凸包约束进行模拟聚类，相关工作正在进行。很快将奉献给各位朋友。-as K-means clustering algorithm for optimal local character
自适应算法matlab程序
- 此程序是遗传算法的改进，通过改进变异和交换概率达到全局最优解！
SA_GA
- 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
moyituhuo
- 模拟退火算法的基本思想是从一给定解开始,从邻域中随机产生另一个解,接受Metropolis准则允许目标函数在有限范围内变坏,它由一控制参数t决定,其作用类似于物理过程中的温度T,对于控制参数的每一取值,算法持续进行“产生—判断—接受或舍去”的迭代过程,对应着固体在某一恒定温度下的趋于热平衡的过程,当控制参数逐渐减小并趋于0时,系统越来越趋于平衡态,最后系统状态对应于优化问题的全局最优解,该过程也称为冷却过程,由于固体退火必须缓慢降温,才能使固体在每一温度下都达到热平衡,最终趋于平衡状态,因此控制
CHAPTER5
- 遗传算法是一种模拟生物进化机制的随机全局优化搜索方法，具有很强的全局优化能力及鲁棒性。遗传算法属于直接搜索法，对适应函数基本无限制，既不要求连续，也不要求函数可微，而且不需要初始信息可以寻求全局最优解克服了单纯形算法初始条件影响大，易陷入局部最小等缺点，操作方便，速度快，不需要复杂的规则，且可用于多目标寻优，在解空间进行高效启发式搜索，可以提高运算速度。-The genetic algorithm is one simulation organic evolution mechanism sto
Genetic_Algorithm_new
- 本文介绍了遗传算法的流程及几个算子，给出了在matlab 语言环境下实现编码、译码、选择、重组和变异各算子的编程方法，最后用一个实例来说明遗传算法在寻找全局最优解中的应用。-Genetic_Algorithm_new
GA
- 用简单的遗传算法求解多极值函数全局最优解问题，对于不同函数通过修改目标函数即可得到-Solving multi-extremal function by simple genetic algorithm to get the optimal solution. By modifying the objective function different problems can be solved
POA-GA
- 用于求解水库群优化调度的POA-GA源程序，且在GA方法中加入了模拟退火的思想，使GA收敛到全局最优解。-Swarm optimization for solving scheduling reservoir POA-GA source, and the GA method is added to the idea of simulated annealing, so that GA convergence to the global optimal solution.
define_the_latter_table.txt
- 根据贪心算法，来求解最小生成树； 这种情况，可能求不不全局最优解，但是，可以求出当前情况下的最优解；-According to greedy algorithm to solve the minimum spanning tree this situation, it may not seek the global optimal solution is not, however, you can find the optimal solution under the current si
SAMATLAB
- SA是源于对固体退火过程的直接简单模拟而建立的一种通用的额随机搜索技术。它能以100 的概率收敛于全局最优解，
ReviewofSVM-basedControlandOnlineTrainingAlgorithm
- 支持向量机以其模型结构简单、较好的推广能力和全局最优解等特点已经被用来进行智能 控制的研究，主要包括采用支持向量机回归的非线性时间序列的建模与预测、系统辨识等建模方 面的研究以及优化控制、学习控制和预测控制等方面的研究以及采用支持向量机的故障诊断的研 究。由于现有SVMR基于二次规划的优化方法不适合控制过程的在线训练，因此出现了对SVMR 在线训练算法的研究。分析了国内外这些研究内容的最新研究进展，旨在探讨归纳支持向量机在控 制领域研究的主要成果和存在的问题，以便为进一步的研
新建文件夹
- 利用MATLAB语言对该算法寻优过程进行了仿真，仿真结果表明该算法可以找出全局最优解。(The optimization process of the algorithm is simulated by using MATLAB language. The simulation results show that the algorithm can find the global optimal solution.)
filled function
- 利用matlab的填充函数方法求解全局最优解的源代码(Using Matlab's Fill Function Method to Solve the Source Code of Global Optimal Solution)
全局最优求解
- 利用matlab的globalsearch求解器寻求微分方程的局部最优解，从而得到微分方程的全局最优解