搜索资源列表
sBOA
- 贝叶斯优化算法是一种新的演化算法，通过贝叶斯概率统计的知识来学习后代，可是使演化朝有利的方向前进，程序用C实现了贝叶斯优化算法。-Bayesian Optimization Algorithm is a new evolutionary algorithm, through Bayesian probability and statistics to learn the knowledge of future generations, but to enable the evolution to
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
遗传算法解TSP
- 实现用固定变异概率和自适应变异概率解tsp问题的比较，自适应式算法采用基于种群差异度的自适应算法，详见实验报告-achieve fixed mutation probability and Adaptive Solutions tsp mutation probability of comparison, Adaptive Algorithm-based differences in the populations adaptive algorithm, as detailed experime
广义异或集成神经网络算法
- 本程序用C语言实现了集成神经网络解决广义异或问题。用神经网络集成方法做成表决网,可克服初始权值的影响,对神经网络分类器来说:假设有N个独立的子网,采用绝对多数投票法,再假设每个子网以1-p的概率给出正确结果,且网络之间的错误不相关,则表决系统发生错误的概率为 Perr = ( ) pk(1-p)N-k 当p<1/2时 Perr 随N增大而单调递减. 在工程化设计中,先设计并训练数目较多的子网,然后从中选取少量最佳子网形成表决系统,可以达到任意高的泛化能力。 -this pro
GAdownload
- 遗传求解求解一元二次方程的解源程序(下载点击GAdownload.c) 说明： 1 popu变量表示群体规模 2 L变量表示染色体的长度 3 pc,pm变量分别代表是交叉概率和变异概率 4 gen是迭代的代数 4 chromosome是一个全局的二维数组，里面存放的是个体的编码 5 程序最后的执行结果输出到了text.txt文本文件中-genetic solving quadratic equation to solve one yuan source solutio
bayesfunction
- bayeserr - Computes the Bayesian risk for optimal classifier. ％ bayescln - Classifier based on Bayes decision rule for Gaussians. ％ bayesnd - Discrim. function, dichotomy, max aposteriori probability. ％ bhattach - Bhattacharya s upper limit of
MCRGSA
- MCRGSA------组播路由问题遗传模拟退火算法 ％M-----------遗传算法进化代数 ％N-----------种群规模，取偶数 ％Pm----------变异概率调节参数 ％K-----------同一温度下状态跳转次数 ％t0----------初始温度 ％alpha-------降温系数 ％beta--------浓度均衡系数 ％ROUTES------备选路径集 ％Num---------到各节点的备选路径数目 ％Cost-------
AI_yichuan
- 用C语言实现的遗传算法。计算交叉概率和变异概率。-C language of genetic algorithm. Calculated crossover probability and mutation probability.
ant_colony_optimization
- 蚁群算法(ant colony optimization, ACO)，又称蚂蚁算法，是一种用来在图中寻找优化路径的机率型技术。它由Marco Dorigo于1992年在他的博士论文中引入，其灵感来源于蚂蚁在寻找食物过程中发现路径的行为-ant colony algorithm (ant colony optimization, ACO). also known as the ant algorithm is a map to find the optimal path of probabilit
EGA
- 遗传算法的程序 遗传 算 法 (GeneticA lgorithm,G A)是一种大规模并行搜索优化算法，它模 拟了达尔文“适者生存”的进化规律和随机信息交换思想，仿效生物的遗传方式， 从随机生成的初始解群出发，开始搜索过程。解群中的个体称为染色体，它是一 串符号，可以是一个二进制字符串，也可以是十进制字符串或采用其他编码方式 形成的码串。对父代(当前代)群体进行交叉、变异等遗传操作后，根据个体的 适应度〔fitness)进行选择操作，适应度高的个体有较高的概率被选中并
changyong
- 动态规划分治算法概率算法模拟退火算法神经网络搜索算法贪婪算法网上matlab遗传算法组合算法Floyd算法-dynamic programming algorithm partition probability algorithm simulated annealing neural network algorithm for the greedy algorithm search online matl ab genetic algorithm combination algorithm Fl
misc
- Probability distribution functions. estimation - (dir) Probability distribution estimation. dsamp - Generates samples from discrete distribution. erfc2 - Normal cumulative distribution function. gmmsamp - Generates sample from Gaussian m
patternRecognition
- 这系列课件系统地讲述了模式识别的基本理论和基本方法。内容涵盖了贝叶斯决策、概率密度函数的估计、线性判别函数、邻近法则、特征的选择和提取、非监督学习、神经网络、模糊模式识别等。-This series of courseware on a pattern recognition system to the basic theory and basic methods. Covers the Bayesian decision-making, the estimated probability de
bp
- blocking probability versus new cell rate
Probabilistic-Robotics
- 详细介绍了各种机器人定位算法，偏向于概率研究，适用于学习与应用-Details of the various robot localization algorithm, the probability of bias in research, learning and application for
Fuzzy-probability-of-water-shortage
- 基于模糊概率的水资源短缺风险评价模型及其应用-Fuzzy probability of water shortage risk assessment model and its application
module-1
- ector quantization is a classical quantization technique from signal processing which allows the modeling of probability density functions by the distribution of prototype vectors. It was originally used for data compression. It works by dividing a l
probability-estimation
- 给定若干三维数据，建立训练概率模型，并对新数据进行估计。包括高斯模型、Parzen窗和K近邻密度估计-Given a number of three-dimensional data, the establishment of training probability model, and the new data is estimated. Including the Gaussian model, Parzen windows and K nearest neighbor density e