//开发平台：Microsoft .NET Framework 2.0，Microsoft Visual C# 2005 Express //日期：2005.3.12 //作者：刘波 //粒子群优化算法(PSO)：本算法求目标函数的最小值
标签： Microsoft Framework 2.0 NET
上传时间： 2015-03-14
上传用户：yyyyyyyyyy
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
powell优化搜索算法，适合于多参数优化且目标函数中不包含参数的情况
上传时间： 2015-05-14
上传用户：561596
直线拟合的几种算法，其中包括线性最小二乘，和两种不同目标函数的非线性最小二乘，用于比较这些方法的优劣，另外matlab中说的robust least squares方法没有找到，希望有朋友能给穿一下：）
上传时间： 2014-06-17
上传用户：大三三
％ [BestPop,Trace]=fmaxga(FUN,LB,UB,eranum,popsize,pcross,pmutation) ％ Finds a maximum of a function of several variables. ％ fmaxga solves problems of the form: ％ max F(X) subject to: LB <= X <= UB ％ BestPop--------最优的群体即为最优的染色体群 ％ Trace----------最佳染色体所对应的目标函数值 ％ FUN------------目标函数 ％ LB-------------自变量下限 ％ UB-------------自变量上限 ％ eranum---------种群的代数,取100--1000(默认1000) ％ popsize--------每一代种群的规模；此可取50--100(默认50) ％ pcross---------交叉的概率,此概率一般取0.5--0.85之间较好(默认0.8) ％ pmutation------变异的概率,该概率一般取0.05-0.2左右较好(默认0.1) ％ options--------1×2矩阵,options(1)=0二进制编码(默认0),option(1)~=0十进制编码,option(2)设定求解精度(默认1e-4)
标签： pmutation BestPop popsize maximum
上传时间： 2015-07-16
上传用户：Altman
这是一个非常简单的遗传算法源代码，对一特定的应用修正此代码，用户只需改变常数的定义并且定义“评价函数”即可。注意代码的设计是求最大值，其中的目标函数只能取正值；且函数值和个体的适应值之间没有区别。该系统使用比率选择、精华模型、单点杂交和均匀变异。
上传时间： 2013-12-20
上传用户：luke5347
这是一个非常简单的遗传算法源代码，代码保证尽可能少，实际上也不必查错。对一特定的应用修正此代码，用户只需改变常数的定义并且定义“评价函数”即可。注意代码 的设计是求最大值，其中的目标函数只能取正值；且函数值和个体的适应值之间没有区别。该系统使用比率选择、精华模型、单点杂交和均匀变异。如果用 Gaussian变异替换均匀变异，可能得到更好的效果。代码没有任何图形，甚至也没有屏幕输出，主要是保证在平台之间的高可移植性。读者可以从ftp.uncc.edu, 目录 coe/evol中的文件prog.c中获得。要求输入的文件应该命名为‘gadata.txt’；系统产生的输出文件为‘galog.txt’。输入的 文件由几行组成：数目对应于变量数。且每一行提供次序——对应于变量的上下界。如第一行为第一个变量提供上下界，第二行为第二个变量提供上下界，等等。
上传时间： 2015-10-15
上传用户：曹云鹏
可以解决无约束的最优化问题，如求目标函数的极值等。
标签：
上传时间： 2016-01-15
上传用户：ynsnjs
