搜索资源列表
matlab模拟退火
- 模拟退火算法是为了避免求解最优化出现局部极值的问题而提出的算法，保证最终的结果是全局最优的，该matlab源程序能在matlab环境中实现-simulated annealing method is the best solution in order to avoid a partial optimization of extreme concern raised by the algorithm to ensure that the final result is that the glob
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
以K－均值聚类结果为初始解的模拟退火聚类
- 由于K－均值聚类算法局部最优的特点，而模拟退火算法理论上具有全局最优的特点。因此，用模拟退火算法对聚类进行了改进。20组聚类仿真表明，平均每次对K结果值改进8次左右，效果显著。下一步工作：实际上在高温区随机生成邻域是个组合爆炸问题（见本人上载软件‘k－均值聚类算法’所述），高温跳出局部解的概率几乎为0，因此正考虑采用凸包约束进行模拟聚类，相关工作正在进行。很快将奉献给各位朋友。-as K-means clustering algorithm for optimal local character
SA_GA
- 基于遗传模拟退火算法的聚类算法。将模拟退火算法与遗传算法相结合用于聚类分析，由于模拟退火算法和遗传算法可以互相取长补短，因此有效地克服了传统遗传算法的早熟现象，同时根据聚类问题的具体情况设计遗传编码方式、适应度函数，使该算法更有效、更快速地收敛到全局最优解。 -Genetic simulated annealing algorithm based on clustering algorithms. Simulated annealing algorithm and genetic algo
six-humpcamelback
- 通用模拟退火优化算法 General simulated annealing algorithm 模拟退火优化算法能过较大限度的避免局部最优解 -General simulated annealing optimization algorithm General simulated annealing algorithm simulated annealing optimization algorithm can have a greater level of local optimal
moyituhuo
- 模拟退火算法的基本思想是从一给定解开始,从邻域中随机产生另一个解,接受Metropolis准则允许目标函数在有限范围内变坏,它由一控制参数t决定,其作用类似于物理过程中的温度T,对于控制参数的每一取值,算法持续进行“产生—判断—接受或舍去”的迭代过程,对应着固体在某一恒定温度下的趋于热平衡的过程,当控制参数逐渐减小并趋于0时,系统越来越趋于平衡态,最后系统状态对应于优化问题的全局最优解,该过程也称为冷却过程,由于固体退火必须缓慢降温,才能使固体在每一温度下都达到热平衡,最终趋于平衡状态,因此控制
Simulatedannealing
- 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。 模拟退火算法能使问题解达到全局最优，这个程序用C#实现，简单易懂，能抓住该算法的精髓。-Simulated annealing algorithm derived from the principle of solid annealing, heating the solid to the
tsp
- 利用模拟退火算法解决旅行商问题，共二十个城市，选择最优路径-The use of simulated annealing algorithm to solve traveling salesman problem
geneticalgorithm
- 结合离散时间系统最优控制问题,提出一种新的混合算法.该算法是在遗传操作中嵌入模 拟退火算子,有效地结合了遗传算法隐含并行与模拟退火算法全局寻优的特点 -By embedding simulated annealing operator into genetic algorithm, a hybrid algorithm is put forward, which assimilates advantages ofboth genetic algorithm and simulated
POA-GA
- 用于求解水库群优化调度的POA-GA源程序，且在GA方法中加入了模拟退火的思想，使GA收敛到全局最优解。-Swarm optimization for solving scheduling reservoir POA-GA source, and the GA method is added to the idea of simulated annealing, so that GA convergence to the global optimal solution.
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，
munituihuo
- 模拟退火算法解决TSP问题，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，对当前解重复“产生新解→计算目标函数差→接受或舍弃”的迭代，并逐步衰减t值，算法终止时的当前解即为所得近似最优解-Simulated annealing algorithm to solve the TSP problem, combined with solid-annealing simulation optimiza
模拟退火算法解决tsp问题
- 设计一个可以对TSP问题进行组合优化的连续型Hopfield神经网络模型，利用该魔心可以快速的找到最优的一条路线。(A continuous Hopfield neural network model for combinatorial optimization of TSP problems is designed, which can be used to find the optimal route quickly.)
chapter19基于模拟退火算法的TSP算法
- 模拟退火算法属于现代算法，可以求得复杂函数的最优解(The simulated annealing algorithm belongs to modern algorithm, and the optimal solution of complex function can be obtained)
模拟退火算法
- 模拟退火算法属于现代优化算法的一种，，实现NP-hard组优化问题的全局最优解，解决大量的实际问题(The simulated annealing algorithm is one of the modern optimization algorithms, which can solve the global optimal solution of the NP-hard group optimization problem and solve a lot of practical probl
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.)
遗传退火进化算法.rar
- 可以利用模拟退火算法通过降温求得最优解和最优规划(The simulated annealing algorithm is used to obtain the optimal solution and the most optimal planning)
模拟退火算法及其在求解TSP中的应用
- 模拟退火算法(Simulated Annealing，SA)最早的思想是由N. Metropolis [1] 等人于1953年提出。1983 年,S. Kirkpatrick 等成功地将退火思想引入到组合优化领域。它是基于Monte-Carlo迭代求解策略的一种随机寻优算法，其出发点是基于物理中固体物质的退火过程与一般组合优化问题之间的相似性。(The earliest idea of Simulated Annealing (SA) was put forward by N. Metropo