搜索资源列表
lowSNRFreES
- 本文利用软输入软输出信道译码器输出对数似然比随相位偏差变化的规律得到低信噪比MPSK信号的 相位偏差代价函数，并提出一种求解该代价函数的迭代相位搜索方法，以相对较小的运算量实现较高精度的相 位估计。仿真表明，该算法在低信噪比下具有稳定的性能，并且能够克服大多相位估计算法都存在的相位模糊 问题。-In this paper, the soft input soft output channel decoder output l
RS-decoder-circuit-reconfigurability
- 介绍了基于线性反馈位移寄存器的编码原理及可重构改进方法。通过乘法和加法的迭代运算实现了伴随多项式的并行运算。采用改进欧几里德算法求解关键方程,运用钱氏搜索算法实现了错误位置的查找,并提出以上两种算法的可重构计算结构。-Introduced based on linear displacement of the code register feedback principle and reconfigurable improvement
constrain-opt
- 针对工程优化设计问题,提出了基于混沌粒子群算法的工程约束优化问题求解方法。CPSO算法利用混沌搜 索的全局遍历性、随机性和规律性等特点, 引导粒子在全局范围内搜索, 从而克服了传统粒子群算法早熟收敛的缺点。 该算法以种群适应度方差作为粒子群优化算法早熟收敛的判据, 并用惩罚函数法处理违法约束的粒子, 当基本粒子群算 法陷入早熟时, 随机选择粒子群中的部分粒子实施混沌搜索, 直至满足迭代收敛条件为止。CPSO算法能提高种群的多
GeneticNonlinearMatlab
- 遗传算法虽然全局搜索能力较强，但是局部搜索能力较弱，一般只能搜索到函数优化问题的次优解，而不是最优解，特别是函数具有多个峰值时，遗传算法易陷入局部极小，不能找到真正的全局最优解。非线性规划因多采用梯度下降方法求解，而具有极强的局部搜索能力。因此，本源代码结合两种算法的优点，一方面采用遗传算法进行全局搜索，另一方面采用非线性规划进行局部搜索，以得到函数优化问题的全局最优解。实验证明，这种方法不仅能解决多峰函数寻优易陷入局部极小的问题，而且
不同搜索方法对比
- 比较不同搜索方法（梯度法，拟牛顿法，CG法等）的区别
yichuansuanfa
- 遗传算法（Genetic Algorithm，GA）是通过对自然界中生物的遗传和优胜劣汰的进化过程进行模拟与抽象，进而形成的一种自适应全局随机优化搜索方法。遗传算法只需提供目标函数作为寻优信息，它从某一随机生成的初始群体出发，经过选择、交叉和变异等遗传操作后对个体进行适应度评价，保留适应度较强的个体遗传到子代种群中，经过多次的迭代计算求得最优个体，即问题的最优解。本程序采用遗传算法可求解微网优化运行。-Genetic Algorithm
pro_matlab_bb.m
- 分支定界法（branch and bound）是一种求解整数规划问题的最常用算法。这种方法不但可以求解纯整数规划，还可以求解混合整数规划问题。分支定界法是一种搜索与迭代的方法，选择不同的分支变量和子问题进行分支。(Branch and bound (branch and bound) is one of the most commonly used algorithms for integer programming problems.