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
Demo PSO
- 粒子群优化算法(pso）的源程序。包括基本粒子群算法的程序及其在优化函数方面的应用。-Particle Swarm Optimization (PSO) of the source. Groups including the elementary particles algorithm optimization process and its function in the application.
nbody
- the parallel code for nbody force between particles.-the parallel code for nbody force between p articles.
benchmarks_test_pso
- 粒子群算法(pso)标准测试函数验证程序。在一个m文件中包括了目前文献中用于验证的7个标准测试函数(Ackley等)、三维动态显示，粒子过分集中时打散等功能。旨在为学习和研究者pso算法的同仁提供一个功能较为完备、简单易懂的标准版本，对于初学者可以通过此程序快速的实现入门，以便将更多的精力投入到深层次的研究中去！同时愿与所有致力于此的朋友共同探讨pso算法的改进与应用方面(如多目标、动态系统等)的经验。-PSO algorithm (PSO) standard test function ver
ParticleSwarmOptimization
- 粒子群优化算法的源代码。以一个实例演示了基本粒子群算法的实现，是很高效的智能算法-PSO algorithm source code. An example to demonstrate the algorithm group of elementary particles, were very smart and efficient algorithm
bipso
- 围绕粒子群的当前质心对粒子群重新初始化.这样，每个粒子在随后的迭代中将在新的位置带着粒子在上次搜索中获得的“运动惯性”（wvi）向Pi，Pg的方向前进，从而可以在粒子群的运动过程中获得新的位置，增加求得更优解的机会.随着迭代的继续，经过变异的粒子群又将趋向于同一点，当粒子群收敛到一定程度时又进行下一次变异，如此反复，直到迭代结束.-particle swarm around the center of mass of the current PSO reinitialization. Thus,
psopt
- A program to demonstrate the optimization process of particle swarm optimization. A two-dimensional objective function is visualized by level of grey: the lighter the color, the higher the function value. The particles are shown as red circles, their
Mie_abs
- 计算Mie散射过程中粒子的吸收系数，对研究粒子散射问题有帮助-calculated Mie scattering particles in the process of absorption, scattering particle research help
MultilayerPerception
- 非常不错的非线性非高斯环境下的粒子滤波程序进化算法-very good non-linear environment Gaussian filter particles procedures evolutionary algorithm
ddscat6.1
- 利用离散偶极近似方法计算散射体的电磁场。 DDA 方法，重要用于小颗粒的散射问题，很有用。-discrete dipole approximation calculation of the electromagnetic scattering body. DDA method, it is important for the scattering of small particles, very useful.
particlefilter
- ％ ％ set some variables in the workspace to control behaviour: ％ ％ graphicsMode 0 no graphics, ％ 1 graphics, particles, beacons, ground truth ％ 2 graphics, as above + range circles ％ ％ perfect 0 use beacon range data ％ 1 use gro
cpso
- c语言版基本粒子群算法源程序-c-language version of elementary particles algorithm source code
spso
- 保证全局收敛的随机微粒群算法。当最优粒子的解无进化，则对其位置、速度进行变异，而使算法不致过早收敛，只要迭代次数足够，算法保证全局收敛。-ensure global convergence of random particle swarm algorithm. When the optimal solution without particles of evolution, its location, speed variation, which might not premature conv
差别算法matlab源码
- 粒子群优化算法(PSO)是一种进化计算技术(evolutionary computation).源于对鸟群捕食的行为研究 PSO同遗传算法类似，是一种基于叠代的优化工具。系统初始化为一组随机解，通过叠代搜寻最优值。但是并没有遗传算法用的交叉(crossover)以及变异(mutation)。而是粒子在解空间追随最优的粒子进行搜索。详细的步骤以后的章节介绍 同遗传算法比较，PSO的优势在于简单容易实现并且没有许多参数需要调整。目前已广泛应用于函数优化，神经网络训练，模糊系统控制以及其他遗传算法的应
L1_Tracking_v4_release
- 该程序将计算机视觉的目标跟踪问题转化为寻找稀疏矩阵的过程，将预先的得到的样本粒子与稀疏矩阵线性相乘得到目标-The program will target tracking in computer vision into the process of finding a sparse matrix, the sample will be obtained in advance of the particles multiplied with the goal of sparse linear
particles
- 用matlab工具实现粒子群算法，并解决TSP问题-Particle swarm optimization with matlab implementation
Particles
- 一个模拟粒子群的演示程序，可以定义汇聚点，使粒子向汇聚点聚集-Demonstration of a simulated particle swarm program, you can define a focal point of the particles together to a focal point
The-ball-particles-Mie-scattering
- 球粒子Mie散射（含蒙特卡洛仿真）The ball particles Mie scattering-The ball particles Mie scattering (including Monte Carlo simulation)