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
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
LS-SVM_Based_on_PSO
- 基于混沌粒子群与模拟退火优化算法的最小二乘支持向量机参数自选择方法,是英文
SA_TSP
- 用模拟退火算法解决旅行商类优化问题,有算法和例子,很好用。-Using simulated annealing algorithm to solve traveling salesman optimization problem category, there are algorithms and examples of good use.
TspSA
- 用模拟退火算法对求解旅行商组合优化问题作了一定的研究,提出了多种不同的随机抽样方式,并对其进行了分析计算并以代码实现。 -This paper studied the optimizing of the traveling salesman problem with the Simulated Annealing(SA). Different random sampling forms were proposed and analyzed.
ModernAlgorithmCosole
- 多进程实现现代优化算法包括采用SSS的局部搜索、禁忌搜索算法和模拟退火算法的控制台-a console platform for modern optimization algorithm such as sss based local search taboo search and simulated annealing algorithm and so on
SA
- 模拟退火实现的连续函数优化问题。仿真效果良好-Simulated annealing to achieve the continuous function optimization problems. Simulation results
SAGA
- 用模拟退火优化遗传算法,使遗传算法具有反向搜索能力,通过仿真表明能够得到更优的值。-Optimization by simulated annealing genetic algorithm, genetic algorithm so that the reverse search capabilities, through the simulation shows that can be better value.
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,
tuihou
- 模拟退火算法经常用于最优化问题,本算法通俗易用!-Simulated annealing algorithm often used for optimization problems, this algorithm is popular to use!
SAPSO
- 模拟退火-粒子群算法,该程序将模拟退火算法和粒子群算法相结合,对优化参数有很好的效果-Simulated annealing- particle swarm optimization, the program will be simulated annealing algorithm and particle swarm optimization by combining optimization parameters have a good effect
psoandimprovedpso
- 基本粒子群优化算法和改进粒子群优化算法程序,包括:用基本粒子群算法求解无约束优化问题,用带压缩因子的粒子群算法求解无约束优化问题,用线性递减权重粒子群优化算法求解无约束优化问题,用自适应权重粒子群优化算法求解无约束优化问题,用随机权重粒子群优化算法求解无约束优化问题,用学习因子同步变化的粒子群优化算法求解无约束优化问题,用学习因子异步变化的粒子群优化算法求解无约束优化问题,用二阶粒子群优化算法求解无约束优化问题,用二阶振荡粒子群优化算法求解无约束优化问题,用混沌粒子群优化算法求解无约束优化问题,
cpslssvm
- 基于混沌粒子群与模拟退火优化算法的最小二乘支持向量机参数自选择方法-Based on Chaotic Particle Swarm Optimization and Simulated Annealing least squares support vector machine parameter self-selection method
ApplicationofLeastSquareSupportVectorMachine
- 基于粒子群与模拟退火优化算法的最小二乘支持向量机参数自选择方法预测混沌序列-anessayaboutchaospredictionbyPSOLSSVM
mnth
- 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
SimulatedAnnealing
- 主要介绍模拟退火算法,也是一个很好的启发式算法,在数值优化中用的比较多。-Introduces the simulated annealing algorithm is a good heuristic algorithm used in the comparison of numerical optimization more.
modern_youhua
- 现代最优化算法(有170多页的PPT,2010年的) 分为三个部分 Part 1 概论 Part 2 模拟退火算法 Part 3 遗传算法 现在常用的优化算法 禁忌搜索算法 模拟退火算法 遗传算法 人工神经网络 蚁群算法 粒子群算法 混合算法-Modern optimization algorithm is divided into three parts Part 1 Part 2 Introduction Part 3 simul
TSP-based-on-improved-pso
- 基于对粒子群优化算法原理的分析,实现了一种基于TSP的改进的粒子群优化算法:求解TSP的混合粒子群算法,结合遗传算法、蚁群算法和模拟退火算法的思想来解决TSP问题。-Particle swarm optimization based on the principle of the analysis, implemented based on TSP, improved particle swarm optimization algorithm: solving the TSP hybrid pa