搜索资源列表
huisu
- 回溯（b a c k t r a c k i n g）是一种系统地搜索问题解答的方法。为了实现回溯，首先需要为问题定义一个解空间（ solution space），这个空间必须至少包含问题的一个解（可能是最优的）。在迷宫老鼠问题中，我们可以定义一个包含从入口到出口的所有路径的解空间；在具有n 个对象的0 / 1背包问题中（见1 . 4节和2 . 2节），解空间的一个合理选择是2n 个长度为n 的0 / 1向量的集合，这个集合表示了将0或
beibao
- 0_1背包问题,回溯法解背包问题 0-l背包问题是子集选取问题。一般情况下，0-1背包问题是NP难题。0-1背包 问题的解空间可用子集树表示。解0-1背包问题的回溯法与装载问题的回溯法十分类 似。在搜索解空间树时，只要其左儿子结点是一个可行结点，搜索就进入其左子树。当 右子树有可能包含最优解时才进入右子树搜索。否则将右子树剪去。设r是当前剩余 物品价值总和；cp是当前价值；bestp是当前最优价值。当cp+r≤be
ZDT4
- 为了有效地应用遗传算法解决 鲁棒控制系统设计问题，将遗传算法与局部优化方法相结合，提出了基于降维扫描方法的自适应多目标遗传算法（DRSA-MOGA）。通过引入适应度函数标准化方法、基于最优Pareto解集搜索的降维扫描方法和适应度函数自适应调整方法，提高了算法的全局优化性能和局部搜索能力。仿真结果表明，DRSA-MOGA算法在不损失解的均匀度的情况下可以达到很高的逼近度
ostu
- ostu图像分割阈值算法,对Ostu图像分割最优阈值进行优化处理，极大缩短了搜索图像阈值计算时间，与传统的枚举法Otsu方法相比,在计算时间上具有显著的优点。
Opt_Quadratic
- 插值算法是一类重要的线性搜索方法，其基本思想是在搜索区间中不断用低次插值多项式来近似目标函数。该程序是用二次插值算法求区间上的无约束最优化解。
Opt_Steepest
- 最速下降法是一种沿着N维目标函数的负梯度方向搜索最小值的方法。该程序是用最速下降法求无约束最优化解。
beibao
- 0_1背包问题,回溯法解背包问题 0-l背包问题是子集选取问题。一般情况下，0-1背包问题是NP难题。0-1背包 问题的解空间可用子集树表示。解0-1背包问题的回溯法与装载问题的回溯法十分类 似。在搜索解空间树时，只要其左儿子结点是一个可行结点，搜索就进入其左子树。当 右子树有可能包含最优解时才进入右子树搜索。否则将右子树剪去。设r是当前剩余 物品价值总和；cp是当前价值；bestp是当前最优价值。当cp+r≤be
Opt_Quadratic
- 插值算法是一类重要的线性搜索方法，其基本思想是在搜索区间中不断用低次插值多项式来近似目标函数。该程序是用二次插值算法求区间上的无约束最优化解。-Interpolation algorithm is one important class of linear search method, its basic idea is constantly in the search interval with a low polynomial in
Opt_Steepest
- 最速下降法是一种沿着N维目标函数的负梯度方向搜索最小值的方法。该程序是用最速下降法求无约束最优化解。-Steepest descent method is an N-dimensional objective function along the negative gradient direction of the minimum search method. The program is used steepest descent m
CHAPTER5
- 遗传算法是一种模拟生物进化机制的随机全局优化搜索方法，具有很强的全局优化能力及鲁棒性。遗传算法属于直接搜索法，对适应函数基本无限制，既不要求连续，也不要求函数可微，而且不需要初始信息可以寻求全局最优解克服了单纯形算法初始条件影响大，易陷入局部最小等缺点，操作方便，速度快，不需要复杂的规则，且可用于多目标寻优，在解空间进行高效启发式搜索，可以提高运算速度。-The genetic algorithm is one simulation o
ga
- 遗传算法（Genetic Algorithm）是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法，它最初由美国Michigan大学J.Holland教授于1975年首先提出来的，并出版了颇有影响的专著《Adaptation in Natural and Artificial Systems》，GA这个名称才逐渐为人所知，J.Holland教授所提出的GA通常为简单遗传算法（S
matlab-yichuan-suanfa
- 基于Matlab的遗传算法~是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法，它最初由美国Michigan大学J.Holland教授于1975年首先提出来的，并出版了颇有影响的专著《Adaptation in Natural and Artificial Systems》，GA这个名称才逐渐为人所知，J.Holland教授所提出的GA通常为简单遗传算法（SGA）。-SGA
1234255
- 介绍了一种利用量子行为粒子群算法(QPSO)求解多峰函数优化问题的方法。为此，在 QPSO中引进一种物种形成策略，该方法根据群体微粒的相似度并行地分成子群体。每个子群体是 围绕一个群体种子而建立的。对每个子群体通过QPSO算法进行最优搜索。从而保证每个峰值都有 同等机会被找到，因此该方法具有良好的局部寻优特性。将基于物种形成的QPSO算法与粒子群算 法(PSO)对多峰优化问题的结果进行比较。对几个重要的测试函数进
yiweisousuo
- 机械优化设计一维搜索方法，综合黄金分割法与二次插值法进行最优搜索-Optimization of Mechanical Design one-dimensional search method, golden section method with quadratic interpolation method for optimal search
DE_cPP
- 标标的差分进化算法，1995年由R.Storn提出。一种全局搜索最优的方法，以简单高效，可靠，鲁棒性好著称。-Standard target differential evolution algorithm, proposed in 1995 by R.Storn. A global search for the optimal approach to simple and efficient, reliable, known for
第2章 线搜索方法
- 寻找最优值，比如说我有数组data,1000个元素，要从里面找x，线性搜索，就是从头找到尾，依次来看data[0]是否等于x，如果不是data[1]，data[2],依次类推，一直找到最后一个。速度最慢，但是适用性最广(Finding optimal values)
TSP-PSO
- 混合粒子群算法摒弃了传统粒子群算法中的通过跟踪极值来更新粒子位置的方法，而是引入了遗传算法中的交叉和变异操作，通过粒子同个体极值和群体极值的交叉以及粒子自身变异的方式来搜索最优解。(Hybrid particle swarm algorithm instead of the traditional particle swarm algorithm in the method to update the position of the p
模拟退火，遗传算法，神经网络程序
- 模拟退火，遗传算法，神经网络程序高级算法的简单运用，是有效的计算出最优的方法，相比于暴力搜索，算法简洁，运行时间短(The application of simulated annealing, genetic algorithm and advanced algorithm of neural network program is the best way to calculate effectively. Compared with
Searching Arithmetic
- 万能的搜索方法，告诉你搜索的真谛。实例是用迷宫寻找最近的出口做的。核心就是每次出去探寻的时候，寻找四个方向，尝试每种可能的办法，从而找到最优的路径，走出迷宫。此类算法，可以用在很多场景里面，很方便，简洁，快速。(Searching Arithmetic,an excellent way to find an easy path.)
code
- matlab实现四种最优化搜索方法 共轭梯度法 牛顿法 最速下降法 拟牛顿法 对一个十维函数的极值搜索(matlab optimal search)