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
erzhitufenge
- 提出了一种新颖的处理图像视觉聚类问题的方法。与以往关注图像局部特征和局部连续性的方法不同，本文中的方法能够提取关于图像的全局印象。为此，我们将图像分割问题转化为图划分问题并提出了划分中的一种全局判别准则——Ncut (Normalized Cut)。Ncut不仅能够衡量不同聚类之间的相异程度，还能够衡量各聚类内部的相似程度。为求解Ncut 的最优化问题，提出了一种基于广义特征值问题的高效算法，并将此算法应用于静态图像分割，取得了良好的效
NEURAL+NETWORK
- bp神经网络算法是解决最优化问题的先进算法之一，本论文讨论了神经网络中使用最为广泛的前馈神经网络。其网络权值学习算法中影响最大的就是误差反向传播算法（back-propagation简称BP算法）。BP算法存在局部极小点，收敛速度慢等缺点。基于优化理论的Levenberg-Marquardt算法忽略了二阶项。该文讨论当误差不为零或者不为线性函数即二阶项S(W)不能忽略时的Hesse矩阵的近似计算，进而训练网络。
0123
- 遗传算法在曲线多边形近似中的应用 在平面数字曲线的多边形近似中, 为克服顶点的检测只依靠局部区域、缺乏全局信息的弱点, 文中把多边 形近似问题作为寻找在满足一定的近似误差条件下使顶点数最少、或者使顶点数和近似误差都尽可能少的最优化 问题来处理. 为了能够处理点数较多的曲线, 文中采用遗传算法和基于Pareto 最优解的改进遗传算法来求近似最 优解. 和一些经典算法的实验比较表明, 文中算法与只依靠曲线局部特性的一类
afs1
- 人工鱼群算法（AFSA）是2002年李晓磊提出的基于鱼群行为的寻求全局最优 的新型搜索策略，该算法具有较优的全局收敛能力及较快的寻优速度。本文首次将 人工鱼群算法应用于人工神经网络的学习，形成了人工鱼群神经网络模型，通过与 BP算法、模拟退化算法、进化算法训练的人工神经网络进行比较，验证了人工鱼群 神经网络在全局寻优能力上的优势，进而利用人工鱼群神经网络进行电力系统短期 负荷预测，建立了人工鱼群神经网络预测模型。为了
遗传退火进化算法（附源码）
- 对Matlab中的遗传算法工具箱进行改进而得到的遗传退火进化算法。可用于一般的最优化问题，求解无约束的或带有线性约束的连续函数的全局最小值。 首先对传统的遗传算法和模拟退火算法进行改进，然后将模拟退火算法引入了遗传算法，结合两种算法的优点，得到一种新的遗传退火进化算法。它不但实现了遗传算法的全局搜索能力与模拟退火算法的局部搜索能力的结合，同时可使改进后的模拟退火算法能够充分利用遗传算法所得的全局信息。经验证，改算法能使遗传算法避免
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
erzhitufenge
- 提出了一种新颖的处理图像视觉聚类问题的方法。与以往关注图像局部特征和局部连续性的方法不同，本文中的方法能够提取关于图像的全局印象。为此，我们将图像分割问题转化为图划分问题并提出了划分中的一种全局判别准则——Ncut (Normalized Cut)。Ncut不仅能够衡量不同聚类之间的相异程度，还能够衡量各聚类内部的相似程度。为求解Ncut 的最优化问题，提出了一种基于广义特征值问题的高效算法，并将此算法应用于静态图像分割，取得了良好的效
NEURAL+NETWORK
- bp神经网络算法是解决最优化问题的先进算法之一，本论文讨论了神经网络中使用最为广泛的前馈神经网络。其网络权值学习算法中影响最大的就是误差反向传播算法（back-propagation简称BP算法）。BP算法存在局部极小点，收敛速度慢等缺点。基于优化理论的Levenberg-Marquardt算法忽略了二阶项。该文讨论当误差不为零或者不为线性函数即二阶项S(W)不能忽略时的Hesse矩阵的近似计算，进而训练网络。-bp neural ne
0123
- 遗传算法在曲线多边形近似中的应用 在平面数字曲线的多边形近似中, 为克服顶点的检测只依靠局部区域、缺乏全局信息的弱点, 文中把多边 形近似问题作为寻找在满足一定的近似误差条件下使顶点数最少、或者使顶点数和近似误差都尽可能少的最优化 问题来处理. 为了能够处理点数较多的曲线, 文中采用遗传算法和基于Pareto 最优解的改进遗传算法来求近似最 优解. 和一些经典算法的实验比较表明, 文中算法与只依靠曲线局部特性的一类
afs1
- 人工鱼群算法（AFSA）是2002年李晓磊提出的基于鱼群行为的寻求全局最优 的新型搜索策略，该算法具有较优的全局收敛能力及较快的寻优速度。本文首次将 人工鱼群算法应用于人工神经网络的学习，形成了人工鱼群神经网络模型，通过与 BP算法、模拟退化算法、进化算法训练的人工神经网络进行比较，验证了人工鱼群 神经网络在全局寻优能力上的优势，进而利用人工鱼群神经网络进行电力系统短期 负荷预测，建立了人工鱼群神经网络预测模型。为了
pro_2
- 用局部参数最优化方法设计一个模型参考自适应系统,可调增益的初值Kc(0)=0.2，给定值r(t)为单位阶跃信号，即r(t)=A×1(t)。 要求： 1把连续系统离散化(采样时间可取0.1)。 2编制并运行这个系统的计算机程序(注意调整B值，使系统获得较好的自适应特性)。 3记录ym、yp的曲线 记录kp×kc的曲线 记录广义输出误差e的变化曲线。 4在参数收敛后，让Kp=2变为Kp=1，重新观察Kp×Kc及e的变化曲
7fitness
- 最优化方法（防止限于局部最优等情况时）验证函数，以确定方法的有效性-Test functions
dongtaiguihua
- 动态规划的基本思想是把求解的问题分成许多阶段或 多个子问题，然后按照顺序求解各个子问题。前一子问题的解为后一子问题的求解提供了有用的信息。在求解任一子问题时，列出各种可能的局部解，通过决策保留那些可能达到最优的局部解，舍弃其他的局部解。依次解决各个子问题，最后一个子问题的解就是原问题的解。动态规划算法与分治法类似，但是不同的是，在使用动态规划求解问题时得到的各个子问题往往不是相互独立的。由于动态规划算法解决问题往往有重叠子问题的特点
gls.tar
- 关于全局优化的Matlab程序，包含局部最优化-On global optimization in Matlab, including local optimization
SFS_1
- 关于SFS算法的介绍，介绍了近些年来SFS方法的发展现状，将SFS算法划分为四种类型：演化和偏微分方程(PDE)方法、最优化方法、局部化方法以及线性化方法。同时，分析了各种SFS算法的特点，并对SFS技术的进一步发展趋势进行了展望。-Introductions of SFS algorithm, this paper introduces the development status of SFS method in recent ye
Sequence-alignment-scoring-matrix
- 序列比对中的smith-waterman算法，应用于局部序列比对，寻找最优化比对序列，精确度高-Smith- waterman in sequence alignment algorithm, is applied to the local sequence alignment, search for optimal matching sequence, high precision
frcg
- 局部最优化算法，共轭梯度法，最有解寻找，迭代循环-Local optimization algorithm
局部搜索最优化问题程序
- 关于matlab最优化处理的一个局部搜索最优化问题程序(A local search optimization procedure for MATLAB optimization.)
randSearch_main
- 使用随机搜索方法，进行局部最优求解，matlab语言版本。(The random search method is used to perform local optimal search.)