搜索资源列表
SA
- 模拟退火GUI演示，利用模拟退火算法求全局最大值最小值-Simulated annealing GUI demonstration, the use of simulated annealing algorithm seeking the global maximum value of the minimum
Opt_Simu
- 模拟退火算法求函数 f(x)的最小值点， 且 l <= x <= u f为待求函数，x0为初值点，l，u分别为搜索区间的上下限，kmax为最大迭代次数 q为退火因子，TolFun为函数容许误差 算法第一步根据输入变量数，将某些量设为缺省值- Simulated annealing algorithm of a function f (x) the minimum point, and l < = x < = u f is the unknown fun
MyHamming
- 模拟退火算法求函数 f(x)的最小值点， 且 l <= x <= u f为待求函数，x0为初值点，l，u分别为搜索区间的上下限，kmax为最大迭代次数 q为退火因子，TolFun为函数容许误差 算法第一步根据输入变量数，将某些量设为缺省值- Simulated annealing algorithm of a function f (x) the minimum point, and l < = x < = u f is the unknown fun
pso
- 模拟退火算法——组合优化 模拟退火算法主要用于解决组和优化问题，它是模拟物理中晶体物质的退火过程而开发的一种优化算法。在对固体物质进行模拟退火处理时，通常先将它加温熔化，使其中的粒子可*，然后随着温度的逐渐下降，粒子也逐渐形成了低能态的晶格。若在凝结点附近的温度下降速率足够慢，则固体物质一定会形成最低能态的基态。 对于组合优化问题来说，它也有这样的类似过程。组合优化问题解空间中的每一点都代表一个具有不同目标函数值的解。所谓优化，就是在解空间中寻找目标函数最小（大）解的过程。若把目标
eg1006
- 模拟退火法求函数的最小值 结束条件为两次最优解之差小于某小量-End condition of the simulated annealing method and function of the minimum of twice the optimal solution of the difference is smaller than some small amount of
pso-bp
- 粒子群算法，也称粒子群优化算法（Particle Swarm Optimization），缩写为 PSO， 是近年来发展起来的一种新的进化算法(Evolutionary Algorithm - EA)。PSO 算法属于进化算法的一种，和模拟退火算法相似，它也是从随机解出发，通过迭代寻找最优解，它也是通过适应度来评价解的品质，但它比遗传算法规则更为简单，它没有遗传算法的“交叉”(Crossover) 和“变异”(Mutation) 操作，它通过追随当前搜索到的最优值来寻找全局最优。这种算法以其实现
SimulatedAnneal
- 我们尝试用模拟退火算法来求解函数优化问题。 给出下面这个函数优化问题 已经知道该优化问题的全局最小值为0，在点（1,1）处取得。 其函数图像为 -We try to use simulated annealing algorithm to solve function optimization problems. Gives the following function optimization problem optimization problem already
DSA
- 动态模拟退火算法，求解全局的最小值，使用范围广泛。-Dynamic simulated annealing algorithm for solving global minimum, using a wide range.
新建文件夹
- 利用MATLAB语言对该算法寻优过程进行了仿真，仿真结果表明该算法可以找出全局最优解。(The optimization process of the algorithm is simulated by using MATLAB language. The simulation results show that the algorithm can find the global optimal solution.)
模拟退火算法计算函数最小值以及SVM参数寻优
- 利用模拟退火算法求解已知函数的最小值，即模拟退火算法寻优问题，可以广泛推广。(Using simulated annealing algorithm to solve the minimum of the known function, that is, the simulated annealing algorithm optimization problem, can be widely promoted.)
Desktop
- 利用智能算法可以求最值，以及利用小波变换可以求功率(Intelligent algorithm seeks the most value and uses wavelet transform to find power.)
Model
- 关于最小值优化的几个函数，用到了模拟退火法等(On several functions of minimum value optimization)
chapter7
- 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