搜索资源列表
Guided_Local_Search_to_the_TSP
- 与禁忌搜索动态修改邻域结构的方法不同, GLS的基本原则是通过不断改变搜索空间的地形(landscape)来帮助搜索过程逐步移出局部极值的, 也就是说搜索过程中解结构和邻域结构将保持不变, 而目标函数将被动态修改, 以使得当前的局部极值不再具有局部最优性。-Guided Local Search sits on top of local search heuristics and has as a main aim to guide these procedures in exploring e
asift
- SIFT算法是一种提取局部特征的算法，在尺度空间寻找极值点，提取位置，尺度，旋转不变量。-sift of
sift
- SIFT特征（Scale-invariant feature transform，尺度不变特征转换)是一种电脑视觉的算法用来侦测与描述影像中的局部性特征，它在空间尺度中寻找极值点，并提取出其位置、尺度、旋转不变量-SIFT features (Scale-invariant feature transform, scale-invariant feature transform) is a computer vision algorithm to detect and describe the
SIFT
- sift算法实现与研究，包括gaussian，DOG尺度空间的构造，极值点的检测，边缘检测，计算方向，形成描述子，关键点的匹配-sift algorithm and Research
Firefly-Algorithm
- 萤火虫算法源于模拟自然界萤火虫在晚上的群聚活动的自然现象而提出的，每只萤火虫被视为解空间的一个解，萤火虫种群作为初始解随机的分布在搜索空间中，然后根据自然界萤火虫的移动方式进行解空间中每只萤火虫的移动。通过每一代的移动，最终使的萤火虫聚集到较好的萤火虫周围，也即是找到多个极值点，从而达到种群寻优的目的。-Firefly firefly algorithm derived the simulation of natural phenomena in the natural night clust
Unconstrained--extreme-value-problem
- 无约束一维极值问题用来确定求解极小值的搜索空间的算法-Algorithms Unconstrained one dimensional extremum problem solving to determine the minimum value of the search space
LM实例
- 用L-M法求多维函数的极值，给出了一种求STLS解的算法及其子空间解释与拓扑解释,利用矩阵分解揭示了LM算法与STLS的密切关系
C_PSO.m
- 粒子群算法，用于聚类.粒子群在迭代进行的过程中有可能出现早熟收敛 的问题而陷入局部最优解,因此文中在 PSO 算法部 分,设置两个变量对每个粒子和粒子群的状态进行实 时地监控,以便当检测到粒子或粒子群出现早熟收敛 现象时,能及时地对其进行变异操作,增加粒子的多样 性,使其跳出局部极值的束缚,在多维解空间中开始新 的搜索(C_PSO used for clustering)
粒子群算法
- 介绍了一种粒子群算法，粒子群算法通过设计一种无质量的粒子来模拟鸟群中的鸟，粒子仅具有两个属性：速度和位置，速度代表移动的快慢，位置代表移动的方向。每个粒子在搜索空间中单独的搜寻最优解，并将其记为当前个体极值，并将个体极值与整个粒子群里的其他粒子共享，找到最优的那个个体极值作为整个粒子群的当前全局最优解，粒子群中的所有粒子根据自己找到的当前个体极值和整个粒子群共享的当前全局最优解来调整自己的速度和位置。