搜索资源列表
Facts__Conjectures__and_Improvements_for_Simulated_Annealing
- 模拟退火优化算法 Simulated annealing is a simple and general algorithm for finding global minima. It operates by simulating the cooling of a (usually fictitious) physical system whose possible energies correspond to the values o
模拟退火算法在贷款组合优化决策中的应用
- 模拟退火算法在贷款组合优化决策中的应用-simulated annealing algorithm in the loan portfolio optimization of
遗传算法和模拟退火算法相结合的并行实现
- 遗传算法和模拟退火算法相结合的并行实现-genetic algorithms and simulated annealing algorithm combining the parallel implementation
模拟退火c++的算法程序
- 模拟退火c++的算法程序，广泛应用于最优化、运筹学、人工智能、遗传算法等领域，具有很好的学习价值-simulated annealing algorithm procedures, the most widely used optimization, operations research, artificial intelligence, genetic algorithms and other areas of learning i
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
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
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
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
4
- 这是关于模拟退火算法的资料，对于研究优化算法的同志有一定的参考价值。-This is a simulated annealing algorithm on the data, the study of optimization algorithm comrades have certain reference value.
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
Optimizers
- 一系列好用的用户友好的启发式优化算法，包括非自适应算法，基于模拟退火算法的种群算法，基本遗传算法，差分进化算法以及粒子群优化算法。此外，也包括神圣算法，它利用了所有这些优化算子，虽然有时交换种群之间的不同算法。-A nice set of user-friendly heuristic optimizers. Included are a non-adaptive, population based Simulated Annealin
SAGA
- 用模拟退火优化遗传算法，使遗传算法具有反向搜索能力，通过仿真表明能够得到更优的值。-Optimization by simulated annealing genetic algorithm, genetic algorithm so that the reverse search capabilities, through the simulation shows that can be better value.
cpslssvm
- 基于混沌粒子群与模拟退火优化算法的最小二乘支持向量机参数自选择方法-Based on Chaotic Particle Swarm Optimization and Simulated Annealing least squares support vector machine parameter self-selection method
ApplicationofLeastSquareSupportVectorMachine
- 基于粒子群与模拟退火优化算法的最小二乘支持向量机参数自选择方法预测混沌序列-anessayaboutchaospredictionbyPSOLSSVM
模拟退火
- 使用模拟退火算法的特性解决TSP问题，另外可以利用此算法优化其他算法。(Use the simulated annealing algorithm to solve the TSP problem, and you can use this algorithm to optimize other algorithms.)
GA_tuihuo1
- 模拟退火优化遗传算法，改进了遗传操作，自适应参数(improved simulated annealing and optimized genetic algorithm)
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
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.)
模拟退火
- 直接实现matlab的模拟退火算法优化，亲测可用，修改参数即可(Matlab simulation annealing algorithm optimization)
智能优化算法资料
- 优化算法有很多，经典算法包括：有线性规划，动态规划等；改进型局部搜索算法包括爬山法，最速下降法等，模拟退火、遗传算法以及禁忌搜索称作指导性搜索法。而神经网络，混沌搜索则属于系统动态演化方法。 梯度为基础的传统优化算法具有较高的计算效率、较强的可靠性、比较成熟等优点，是一类最重要的、应用最广泛的优化算法。但是，传统的最优化方法在应用于复杂、困难的优化问题时有较大的局限性。(There are many optimization al