迷宫算法程序学习，数据结构里的经典学习程序，代码经过自己的优化，加快了搜索速度
上传时间： 2014-01-14
上传用户：ruan2570406
匹配算法，Boyer-Moore-Hospool匹配算法 这个算法在大文件中搜索小pattern有很高效率。 推荐用来代替strstr() 这个实现我没有测过，不过应该不会有大问题。 C++的代码，容易使用：）
标签： 匹配算法
上传时间： 2014-01-19
上传用户：gonuiln
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，即得到解组合优化问题的模拟退火算法：由初始解i和控制参数初值t开始，对当前解重复“产生新解→计算目标函数差→接受或舍弃”的迭代，并逐步衰减t值，算法终止时的当前解即为所得近似最优解，这是基于蒙特卡罗迭代求解法的一种启发式随机搜索过程。退火过程由冷却进度表(Cooling Schedule)控制，包括控制参数的初值t及其衰减因子Δt、每个t值时的迭代次数L和停止条件S。
标签： 模拟退火算法
上传时间： 2015-04-24
上传用户：R50974
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，即得到解组合优化问题的模拟退火算法：由初始解i和控制参数初值t开始，对当前解重复“产生新解→计算目标函数差→接受或舍弃”的迭代，并逐步衰减t值，算法终止时的当前解即为所得近似最优解，这是基于蒙特卡罗迭代求解法的一种启发式随机搜索过程。退火过程由冷却进度表(Cooling Schedule)控制，包括控制参数的初值t及其衰减因子Δt、每个t值时的迭代次数L和停止条件S。
标签： 模拟退火算法
上传时间： 2015-04-24
上传用户：ryb
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，即得到解组合优化问题的模拟退火算法：由初始解i和控制参数初值t开始，对当前解重复“产生新解→计算目标函数差→接受或舍弃”的迭代，并逐步衰减t值，算法终止时的当前解即为所得近似最优解，这是基于蒙特卡罗迭代求解法的一种启发式随机搜索过程。退火过程由冷却进度表(Cooling Schedule)控制，包括控制参数的初值t及其衰减因子Δt、每个t值时的迭代次数L和停止条件S。
标签： 模拟退火算法
上传时间： 2014-12-19
上传用户：TRIFCT
c语言实现的A*算法，此算法用于搜索解空间，喜欢人工智能的同志过来下载吧
上传时间： 2013-12-21
上传用户：daoxiang126
这是用MATLAB 编写的有关各种遗传算法的程序，非常的全，非常的有效。
上传时间： 2014-01-23
上传用户：wangzhen1990
基于内容的多媒体数据检索算法SR-Tree，类似于R*-tree和SS-tree的最近邻搜索
上传时间： 2015-05-18
上传用户：缥缈
二维的DBSCAN聚类算法，输入（x,y）数组，搜索半径Eps，密度搜索参数Minpts。输出: Clusters，每一行代表一个簇，形式为簇的对象对应的原数据集的ID
上传时间： 2015-06-01
上传用户：sy_jiadeyi
遗传算法(Genetic Algorithm, GA)是近几年发展起来的一种崭新的全局优化算法，它借 用了生物遗传学的观点，通过自然选择、遗传、变异等作用机制，实现各个个体的适应性 的提高。这一点体现了自然界中"物竞天择、适者生存"进化过程。1962年Holland教授首次 提出了GA算法的思想，从而吸引了大批的研究者，迅速推广到优化、搜索、机器学习等方 面，并奠定了坚实的理论基础。 用遗传算法解决问题时，首先要对待解决问题的模型结构 和参数进行编码，一般用字符串表示，这个过程就将问题符号化、离散化了。也有在连续 空间定义的GA(Genetic Algorithm in Continuous Space, GACS)，暂不讨论。
上传时间： 2015-06-08
上传用户：stampede
