搜索结果
找到约 29,804 项符合
启发式算法 的查询结果
按分类筛选
学术论文 FPGA自动布局布线算法
微电子技术的发展，特别是可编程逻辑器件的产生加速了电子设计技术的发展，现代电子设计技术的核心日趋转向基于计算机的电子设计自动化技术，即EDA技术。EDA技术采用的自顶向下设计流程代替了原有的自下而上设计流程，缩短了集成电路的开发周期，节省了开发费用，促进了集成电路的发展。布局布线是计算机设计自动化的一个重 ...
测试测量 ACPSO-SVR结合的非线性建模预测算法
提出一种基于自适应混沌粒子群优化和支持向量机结合的非线性预测建模算法（ACPSO-SVR），引入ACPSO启发式寻优机制对SVR模型的超参数进行自动选取，在超参数取值范围变化较大的情况下，效果明显优于网格式搜索算法。选取UCI机器学习数据库中的Forest fires标准数据集进行测试，实验结果表明该方法具有较高的精度和良好的泛化 ...
人工智能/神经网络 这是一个贪心算法的c程序。贪心算法（也叫贪婪算法）不是某种特定的算法
这是一个贪心算法的c程序。贪心算法（也叫贪婪算法）不是某种特定的算法，而是一类抽象的算法，或者说只是一种思想，它的具体表现在，对解空间进行搜索时，不是机械地搜索，而是对局部进行择优选取，贪心算法的目的不是为了找到全部解，也当然找不出最优解，而只是找出一种可行解，这样就会得到惊人的高效性。因此，贪心算 ...
人工智能/神经网络 模拟退火算法来源于固体退火原理
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， ...
人工智能/神经网络 模拟退火算法来源于固体退火原理
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， ...
人工智能/神经网络 模拟退火算法来源于固体退火原理
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， ...
人工智能/神经网络 开发环境:Matlab 简要说明:动量-自适应学习调整算法。在实际应用中
开发环境:Matlab
简要说明:动量-自适应学习调整算法。在实际应用中，原始的BP算法很难胜任，因此出现了很多的改进算法。BP算法的改进主要有两种途径，一种是采用启发式学习方法，另一种则是采用更有效的优化算法。本例采用动量BP算法，来实现对网络的训练过程，动量法降低了网络对于误差曲面局部细节的敏感性，有效地抑制网 ...
Java编程 java编写的最短路径算法
java编写的最短路径算法，先由启发式方法获得染色体的初始编码，然后由遗传算法求出最短路径，对解决物流领域的TSP是非常好的计算机实现
系统设计方案 基于PSO的BP训练算法论文：在BP训练算法中
基于PSO的BP训练算法论文：在BP训练算法中，关于变权值、学习速率、步长的问题已被广泛地研究，几种基于启发式改进的技术也表明具有改善训练时间以及避免陷入局部最小的明显效果。这里BP训练过程由基于PSO同时优化log—Sigmoid函数与网络权值的新算
法(PSO。GainBP)实现。实验结果表明，PSO—GainBP比传统基于PSO的BP算法在 ...
Java编程 爬山算法是一种局部择优的方法
爬山算法是一种局部择优的方法，采用启发式方法，是对深度优先搜索的一种改进，它利用反馈信息帮助生成解的决策。 属于人工智能算法的一种。