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
AIbashuma
- 我们解决八数码问题,广度优先搜索可能会导致内存不够用,采用启发式搜索,启发函数为f(x)=g(x)+h(x) g(x)为该结点不同于目标结点的个数,h(x)为该结点的深度,选择那f(x)结点最小的那个结点进行扩展, 引入了一个\"扩展数组[4]\"(因为扩展的结点最多只有4个),该数组保存着某个结点的0点向各个方向的扩展的结点对象,然后对该扩展数组进行分析,利用启发函数在进行递归扩展... -us solve eight digital, BFS may lead to insufficient
AIbashumaJava1
- 我们解决八数码问题,广度优先搜索可能会导致内存不够用,采用启发式搜索,启发函数为f(x)=g(x)+h(x) g(x)为该结点不同于目标结点的个数,h(x)为该结点的深度,选择那f(x)结点最小的那个结点进行扩展, 引入了一个\"扩展数组[4]\"(因为扩展的结点最多只有4个),该数组保存着某个结点的0点向各个方向的扩展的结点对象,然后对该扩展数组进行分析,利用启发函数在进行递归扩展... -us solve eight digital, BFS may lead to insufficient
chap5_1
- 基于实数编码遗传算法的PID整定,采用误差绝对值积分性能指标作为参数选择的最小目标函数-real-coded genetic algorithm PID tuning, integral absolute error performance parameters as the minimum objective function
EightPuzzle
- A*算法属于一种启发式搜索,它扩展结点的次序类似于广度优先搜索,但不同的是每生成一个子结点需要计算估价函数F,以估算起始结点的约束经过该结点至达目标结点的最佳路径代价 每当扩展结点时,意是在所有待扩展结点中选择具有最小F值的结点做为扩展对象,以便使搜索尽量沿最有希望的方向进行.A*算法只要求产生问题的全部状态空间的部分结点及关系,就可以求解问题了,搜索效率较高
AI
- 人工智能中的八数码问题：附有详细的注释 我们可以将八数码问题看成移动空格的问题.在不断的移动空格过程当中不断改变棋盘的布局,使之到达目标状态. 用一个open表(本程序采用序栈)的节点,从中选择一个总体代价最小的节点(不妨设为A节点,栈不为空时)是否是目标状态,如果不是则将A节点的有效的儿子节点(不在open表及closed表中出现过,不违反移动规则)插入有序表open表中,并将A节点插入closed表中.然后重复以上操作.
MyPSO
- //开发平台：Microsoft .NET Framework 2.0，Microsoft Visual C# 2005 Express //日期：2005.3.12 //作者：刘波 //粒子群优化算法(PSO)：本算法求目标函数的最小值-/ / development platforms : Microsoft.NET Framework 2.0, Microsoft Visual C# 2005 Express / / Date : 2005.3.12 / / Author : Liu Bo
基于小波和神经网络的目标识别方法
- 基于小波和神经网络的论文，来自期刊网-wavelet-based and neural network papers from the Journal Network! !
Wavelet-neura-network-algorith
- 目标跟踪 小波神经网络的MATLAB程序,target tracking Wavelet neural network algorithm
cural.rar
- 用matlab编写的自适应小生境递阶遗传算法,非常适合于学习自适应遗传算法的朋友,Matlab prepared using adaptive niching hierarchical genetic algorithm is very suitable for learning adaptive genetic algorithm friend
sparse_representation
- 最热门的稀疏表示的算法，马毅等人在PAMI上发表的文章代码-Sparse representation of the most popular algorithms, Yi Ma, and others published an article in the PAMI code
shuma
- 解决人工智能基本问题：八数码问题.通过移动数块到达目标状态，代价最小。-Artificial intelligence to solve the basic problem: the question of the eight digital. By moving a few blocks to reach the target state, the minimum price.
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，
PSOt
- 最简单的粒子群算法，简单易学，自己编一个很小的目标函数就能实现，跟大家分享一下-The simplest particle swarm algorithm, easy to learn that he compiled a very small objective function can be achieved, to share with Members
Inertiadevicefaultpredictionbasedonwavelet
- ：为了提高最小二乘支持向量回归机的性能，将Morlet小波核函数引入其中，形成了最小二乘小波支 持向量回归机模型。利用待优化的参数重构模型的目标函数和约束条件，并在此基础上通过遗传算法进行参数 选择，从而提高了该模型的泛化能力。将最小二乘小波支持向量回归机应用于导弹陀螺仪的漂移趋势预测，仿真 实验结果表明了该方法的有效性和可行性，因此可以为陀螺仪的故障预报、可靠性辅助决策提供依据。-To improve the ability of least square support vect
DMOEADD_code2009
- 动力学演化算法解决多目标优化问题，采用了与模拟退火算法相结合的准则，理论基础来源于统计力学中的自由能极小化定律。 -Evolutionary Algorithms for Solving Multi-Objective Problems
plate-crad-detect
- 基于haar+adaboost的车牌检测系统，可以说，国内前几名。 高清大图，小目标的车牌检测性能很好。可以支持多目标检测，检测速度1080P 时间在100ms以内，针对雨雾天，污迹，脏的车牌检测效果很好。 系统采用标准C C++开发，方便移植到linux，arm等-Based haar+adaboost license plate detection system, it can be said before the domestic few. HD big picture, lice
RON-master
- RON目标检测算法，对于小尺度目标也具有较好的性能，需在linux下编译运行。(RON object detection algorithm)