搜索资源列表
模拟退火算法在贷款组合优化决策中的应用
- 模拟退火算法在贷款组合优化决策中的应用-simulated annealing algorithm in the loan portfolio optimization of
模拟退火算法在贷款组合优化决策中的应用
- 模拟退火算法在贷款组合优化决策中的应用-simulated annealing algorithm in the loan portfolio optimization of
遗传算法和模拟退火算法相结合的并行实现
- 遗传算法和模拟退火算法相结合的并行实现-genetic algorithms and simulated annealing algorithm combining the parallel implementation
模拟退火源码
- 模拟退火算法 模拟退火算法(Simulated Annealing,简称SA算法)是模拟加热熔化的金属的退火过程，来寻找全局最优解的有效方法之一。 模拟退火的基本思想和步骤如下： 设S＝{s1,s2,…,sn}为所有可能的状态所构成的集合， f：S—R为非负代价函数，即优化问题抽象如下： 寻找s*∈S，使得f(s*)＝min f(si) 任意si∈S （1）给定一较高初始温度T，随机产生初始状态S （2）按一定方式，对当前状态作随机扰动
模拟退火c++的算法程序
- 模拟退火c++的算法程序，广泛应用于最优化、运筹学、人工智能、遗传算法等领域，具有很好的学习价值-simulated annealing algorithm procedures, the most widely used optimization, operations research, artificial intelligence, genetic algorithms and other areas of learning i
matlab模拟退火
- 模拟退火算法是为了避免求解最优化出现局部极值的问题而提出的算法，保证最终的结果是全局最优的，该matlab源程序能在matlab环境中实现-simulated annealing method is the best solution in order to avoid a partial optimization of extreme concern raised by the algorithm to ensure that the
模拟退火例子1
- 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
模拟退火例子2
- 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
模拟退火例子3
- 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
newanneal
- 模拟退火算法，常用的数值优化算法，适合初学者，非常方便-simulated annealing method, commonly used numerical optimization algorithm, for beginners, a very convenient
SA_TSP001
- 模拟退火算法解决TSP问题，该算法效率高，能很好地解决路径优化问题。-simulated annealing algorithm to solve TSP problem, the algorithm is highly efficient and very good path to solve optimization problems.
模拟退火
- 使用模拟退火算法的特性解决TSP问题，另外可以利用此算法优化其他算法。(Use the simulated annealing algorithm to solve the TSP problem, and you can use this algorithm to optimize other algorithms.)
模拟退火算法
- 模拟退火算法属于现代优化算法的一种，，实现NP-hard组优化问题的全局最优解，解决大量的实际问题(The simulated annealing algorithm is one of the modern optimization algorithms, which can solve the global optimal solution of the NP-hard group optimization problem and
模拟退火算法
- 此种算法简单，有效，可以对所求的数据更加优化，使所求数据更加合理，绝对可以运行，请大家放心。(This algorithm is simple and effective. It can be more optimized for the data requested, so that the data is more reasonable and can be run. Please be assured.)
模拟退火算法计算函数最小值以及SVM参数寻优
- 利用模拟退火算法求解已知函数的最小值，即模拟退火算法寻优问题，可以广泛推广。(Using simulated annealing algorithm to solve the minimum of the known function, that is, the simulated annealing algorithm optimization problem, can be widely promoted.)
模拟退火
- 直接实现matlab的模拟退火算法优化，亲测可用，修改参数即可(Matlab simulation annealing algorithm optimization)
模拟退火算法
- 提出了一种基于粒子群优化(PSO)算法的径向基(RBF)网络参数优化算法,首先利用减聚类算法确定网络径向基函数中心的个数,再用PSO算法优化径向基函数的中心及宽度,最后用PSO算法训练隐含层到输出层的网络权值,找到神经网络权值的最优解,以达到优化神经网络学习的目的。最后,通过一个实验与最小二乘法优化的神经网络进行了比较,验证了算法的有效性。(Particle swarm optimization (PSO) optimization o
模拟退火算法及其在求解TSP中的应用
- 模拟退火算法(Simulated Annealing，SA)最早的思想是由N. Metropolis [1] 等人于1953年提出。1983 年,S. Kirkpatrick 等成功地将退火思想引入到组合优化领域。它是基于Monte-Carlo迭代求解策略的一种随机寻优算法，其出发点是基于物理中固体物质的退火过程与一般组合优化问题之间的相似性。(The earliest idea of Simulated Annealing (SA)
用模拟退火算法求解优化问题.yuann
- 模拟退火算法求解优化问题，实例非常好，推荐下载(Simulated annealing algorithm to solve the optimization problem, the example is very good, recommended download)
模拟退火算法
- MATLAB模拟退火算法，包含两个程序，一个是优化一元函数的，一个是优化多元函数的(MATLAB simulated annealing algorithm, including two programs, one is to optimize the unary function, one is to optimize the multivariate function)