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
图的搜索
- 在VC的环境下，用C++实现A*算法和双向A*算法，并且能够通过设置不同的参数随机产生以邻接表存储网络图，从而可以对不同启发策略的A*算法进行测试和实验。-in VC environment, the C achieving A * algorithm and the two-way A * algorithm, and through a variety of parameters to generate random adjacent table storage network map, t
迷宫搜索
- 这是一个实现自动生成随机迷宫，并且自动实现从迷宫的入口到出口的路径搜索的一个Applet程序-This is an automatically generated random maze, and automatically from the entrance to the maze of export path of a search procedures Applet
搜索子目录（VC源码）
- (1) 代码接口和CFileFind一样，所以如果原来有搜索单一目录的程序，现在要把下 面的子目录也搜索，那么只需要把原来的CFileFind改成CFileFindAll就可以了 (当然要包含FileFindAll头文件了）。 这样就不用大段的改代码了。 (2) 增加了同一个子目录下文件按文件名排序，或者随机打乱顺序 (3) 增加了返回文件路径的n级根目录的功能。+n返回n级目录，-n返回(总级数-n) 级目录。 -(1) interface and CFileF
RanMethod
- 随机搜索法,用于大型复杂优化问题.该方法只支持变量的范围约束,不支持其它类型的约束.-random search method for large complex optimization problems. The only support the scope of variables bound not to support other types of constraints.
GA_suanfa
- 基因算法（GA） GA 是一种启发式的优化法 （heuristic optimization method）， 它是通过既定的随机搜索进行操作．优化问题的可能的解的集合被认为是 个体（individuals）组成的 人群（population）． 一个个体对它的环境的适应程度由它的 健康度（fitness）表示． -genetic algorithm (GA) GA is a heuristic optimization method (heuristic optimi method. 5)
updatesimplexmethod
- 单纯形法是一种不错的随机搜索算法，但是其受初始值的选取，步长大小的影响较大，容易陷入局部收敛。程序中列出了基本单纯形法，和几种改进的单纯形法，包括变步长的单纯形法，单纯形加遗传算法等。-simplex method is a good random search algorithm, but its initial value by the selection, step in a larger size, easy to be trapped into local convergence. P
tree_min
- 该程序是基于IDL平台下开法的应用随机搜索树进行搜索的优化算法实例！-the program is based on the following IDL platform Act of random search tree search algorithm optimization examples!
nljstate
- 采用NLJ随机搜索的方法辨识一个以状态方法表示的非线性系统。选其初值 a1(0) =50 , a2(0) =100 , a3(0) =100 , a4(0) =50 , a5(0) =10 , 选范围为 r(1)(i)=0.5 a(0)(i) , 取数据长度 L ＝40, t =0.005 , 性能指标 J＝ 。迭代计算结果得 a 的估计值 1=17.6043243, 1=17.5977, 2=72.9573, 3=51.3014, 4=22.9889, 5=5.99965, J = 0.000
c语音遗传算法程序包
- 遗传算法原程序，并行算法，原代码，随机搜索算法-GA original program, parallel algorithm, the original code, random search algorithm
waidandao.使用随机搜索方法求解外弹道优化问题
- 使用随机搜索方法求解外弹道优化问题，给出了约束条件和主程序。,The use of random search methods for solving trajectory optimization problems outside
TD-SCDMA_sync-dl
- TD-SCDMA小区搜索最为关键的sync-dl码同步的确定过程，即搜索DwPTS-TD-SCDMA cell search the most critical sync-dl Code Synchronization in the process of determining that the search DwPTS
fire
- 模拟退火算法是基于蒙特卡罗迭代求解法的一种启发式随机搜索过程。本文给出了该算法的详细介绍和伪代码。-Monte-Carlo simulated annealing algorithm is based on a heuristic iterative method for solving stochastic search process. This paper gives a detailed descr iption of the algorithm and pseudo code.
RRT-master
- 用matlab实现的rrt快速随机搜索树算法，方便易于理解。(Using MATLAB to achieve the RRT fast random search tree algorithm, convenient and easy to understand.)
pso_PID_opt_3
- 一种简单的matlab中的pid算法，用于随机搜索优化算法优化PID参数,(Random search optimization algorithm to optimize PID parameters)
randomsearch
- 使用matlab语言编程，实现多机器人分区域随机搜索(Using MATLAB language programming to realize random search of multi robot region)
FMT_star
- 快速搜索随机树FMT程序，利用halton序列采点，并进行相应的采样规划，实现在0-1内的路径规划(Quickly search the random tree FMT program, use the Halton sequence to pick up the point, and carry on the corresponding sampling plan, realize the path planning within 0-1.)
改进的群搜索优化算法_景书杰
- 群搜索优化算法在matla中的实现，群集智能算法( Swarm Intelligence Algorithm)是 近 年出现的一类新的智能优化算法。 与其它基于随机搜 索的优化算法一样，具有易实现、 适用范围广的特点。(preindex=index; prebestmember=bestmember; fvalue = eval(strcat(fname ,'(population)')); [fbestval,index] = min(fvalue); bestmember