问题的提出：编程模拟抛硬币所得正面的频率图。假设每次抛10次为一事件， 记录每次得到正面的次数，共抛掷100000次，计算得到正面次数的概率发布，并绘图输出结果。 思路：数值概率算法常用于数值问题的求解，此类算法所得的往往是近似解，且近似解的精度 随计算时间的增加而不断提高，得到一定精度近似解就可以满足问题要求。
上传时间： 2015-12-27
上传用户：busterman
随着这些年计算机硬件水平的发展, 计算速度的提高, 源自序列蒙特卡罗方法的蒙特卡罗粒子滤波方法的应用研究又重新活跃起来。本文的这种蒙特卡罗粒子滤波算法是利用序列重要性采样的概念, 用一系列离散的带权重随机样本近似相 应的概率密度函数。由于粒子滤波方法没有像广义卡尔曼滤波方法那样对非线性系统做线性化的近似, 所以在非线性状态估计方面比广义卡尔曼滤波更有优势。在很多方面的应用已经逐渐有替代广义卡尔曼滤波的趋势。
上传时间： 2014-09-10
上传用户：671145514
bp神经网络算法是解决最优化问题的先进算法之一，本论文讨论了神经网络中使用最为广泛的前馈神经网络。其网络权值学习算法中影响最大的就是误差反向传播算法（back-propagation简称BP算法）。BP算法存在局部极小点，收敛速度慢等缺点。基于优化理论的Levenberg-Marquardt算法忽略了二阶项。该文讨论当误差不为零或者不为线性函数即二阶项S(W)不能忽略时的Hesse矩阵的近似计算，进而训练网络。
上传时间： 2015-12-31
上传用户：wendy15
提供一种求解最优哈密尔顿的算法---三边交换调整法，要求在运行jiaohuan3（三交换法）之前，给定邻接矩阵C和节点个数N，结果路径存放于R中。 bianquan.m文件给出了一个参数实例，可在命令窗口中输入bianquan,得到邻接矩阵C和节点个数N以及一个任意给出的路径R,，回车后再输入jiaohuan3,得到了最优解。 由于没有经过大量的实验，又是近似算法，对于网络比较复杂的情况，可以尝试多运行几次jiaohuan3,看是否能到进一步的优化结果。
上传时间： 2013-11-30
上传用户：huyiming139
运筹学算法 的 实现 改进的数学模型用单纯型法求解，就能得到一个较满意的解。但如果从工程的角度考虑，有一个全新的解决之道，即离散近似解的解决。
上传时间： 2016-01-12
上传用户：yepeng139
模拟一群鸟捕食的情景，从而达到优化目标函数的目的，这就是粒子群算法！起初在可行的空间中随机的产生一群粒子，然后让每个粒子开始在虚拟的空间中向四面八方飞翔，并且每个粒子都记下他们飞过的适应值（也就是目标优化函数）最高的点，而且整个粒子群有一个最高适应值个体，这样，粒子在飞翔的时候尽量朝向自己曾飞过的最好的点和集体的最好的点。最后达到收敛到近似最优点的目的。
标签： 模拟
上传时间： 2016-01-21
上传用户：playboys0
％ SSOR预处理的共轭梯度法求解方程Ax=b ％ 输入参数说明 ％ A 正定矩阵[n*n] ％ b 右边向量 ％ omega SSOR预处理参数(0--2) ％ Times 迭代次数 ％ errtol 给定误差终止条件 ％ ％输出参数 ％ NewX 方程Ax=b的x近似解 ％ avgerr 求解的当前平均绝对误差
上传时间： 2013-12-19
上传用户：一诺88
（1）利用多项式拟合的两个模块程序求解下题： 给出 x、y的观测值列表如下： x 0 1 2 3 4 5 y 2.08 7.68 13.8 27.1 40.8 61.2 试利用二次多项式y=a0+a1x+a2x2进行曲线拟合。 （1）多项式拟合方法：假设我们收集到两个相关变量x、y的n对观测值列表： x x0 x1 x2 x3 x4 x5 y y0 y1 y2 y3 y4 y5 我们希望用m+1个基函数w0(x),w1(x),…,wm(x)的一个线形组合 y=a0w0(x)+a1w1(x)+…+amwm(x) 来近似的表达x、y间的函数关系，我们把几对测量值分别代入上式中，就可以得到一个线形方程组： a0w0(x0)+a1w1(x0)+…+amwm(x0)=y0 a0w0(x1)+a1w1(x1)+…+amwm(x1)=y1 … … a0w0(xn)+a1w1(xn)+…+amwm(xn)=yn 只需要求出该线形方程组的最小二乘解，就能得到所构造的的多项式的系数，从而解决问题。
上传时间： 2016-02-07
上传用户：爺的气质
分数是两个整数的比，通常表示为 (或b/a)的形式，其中b称为分子，a称为分母，分母不能为0。分数在计算机中以整数或浮点数（有限小数）的形式表示，大多数情况下都是近似表示，具有较大的误差，例如 ，在计算机中用整数表示为0，用浮点数表示为0.333333。本实例就是要设计一个Fraction (分数) 类类型，该类型的对象可以像基本类型数据一样进行运算，结果仍为分数，运算包括四则运算，关系运算，及求一元一次分式方程的解，输入输出要求按分数方式进行。
上传时间： 2016-02-18
上传用户：zhoujunzhen
Monte Carlo 法是用来解决数学和物理问题的非确定性的（概率统计的或随机的）数值方法。Monte Carlo 方法（MCM），也称为统计试验方法.主要是研究均匀介质的稳定状态[1]。它是用一系列随机数来近似解决问题的一种方法，是通过寻找一个概率统计的相似体并用实验取样过程来获得该相似体的近似解的处理数学问题的一种手段。
上传时间： 2016-02-20
上传用户：heart520beat
