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
c_inference_ver2.2
- The package includes 3 Matlab-interfaces to the c-code: 1. inference.m An interface to the full inference package, includes several methods for approximate inference: Loopy Belief Propagation, Generalized Belief Propagation, Mean-Field
MetHast
- 这是蒙特卡洛方法中用Metropolis Hasting方法进行抽样的函数子程序。使用这个方法可以对任意形状的分布进行抽样-This is a Metropolis Hasting Sampling Code. You can sampling any distribution using this.
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
gibbs_metropol_sampler
- this r code for Gibbs sampler and Metropolis sampler which are two variants of markov chain monte carlo simulators.-this is r code for Gibbs sampler and Metropolis sampler which are two variants of markov chain monte carlo simulators.
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，
gibbs.met_1.1-3.tar
- 马尔可夫链蒙特卡洛算法，由R语言实现，是在Gibbs采样中每步利用Metropolis采样。程序非常清晰，是理解MCMC的好东西-Naive Gibbs Sampling with Metropolis Steps
sa-ppt-sample
- 模拟退火算法最早的思想由Metropolis等（1953）提出，1983年Kirkpatrick等将其应用于组合优化。-Simulated annealing algorithm was first thought by Metropolis et al (1953) suggested that, in 1983, Kirkpatrick and so on will be applied to combinatorial optimization.
TestMarkovIsingbyMetropolis
- MRF example, Ising by Metropolis
mh
- metropolis-Hastings samplermetropolis-Hastings抽样的matlab实现-metropolis-Hastings samplermetropolis-Hastings in matlab
mallows_MH
- Metropolis sampler for Mallows model samples orderings from a distribution over orderings
metropolis
- Use Metropolis procedure to sample from Cauchy density
Adaptive-Mixture-Modelling-Metropolis-Methods
- Adaptive Mixture Modelling Metropolis Methods using matlab
metropolis
- matlab code for metropolis algorithm
Metropolis-Hastings
- 使用metropolis-hastings抽样方法，产生平稳马尔科夫链，R语言实现-Using sampling methods metropolis-hastings, produce smooth Markov chain, R language
metropolis_hastings
- 本文件包含Metropolis算法对函数进行抽样;显示生成样本的相关图和直方图. 其中文件：metropolis_hastings.m该文件包含4个示例，用于通过Metropolis-Hastings算法对复杂函数进行抽样，显示生成样本的相关图和直方图。metropolis_hastings2.m 包含一个例子，用于通过Metropolis-Hastings算法对双变量高斯PDF进行采样，显示生成样本的相关图和直方图，以及其轮廓和边缘PDF的函数等。(This program develops
Metropolis-Hasting Random Walk
- Metropolis Hastings code
metropolis-hastings
- 一种用于对各类概率密度函数进行样本采样的Metropolis-Hastings算法(a Metropolis-Hastings algorithm for sampling from various probability density functions)