搜索资源列表
rrjfm11
- 蚁群算法在数值方法中的应用以及求解最优化函数的极值问题()
K-means
- K-means算法是硬聚类算法，是典型的基于原型的目标函数聚类方法的代表，它是数据点到原型的某种距离作为优化的目标函数，利用函数求极值的方法得到迭代运算的调整规则。K-means算法以欧式距离作为相似度测度，它是求对应某一初始聚类中心向量V最优分类，使得评价指标J最小。算法采用误差平方和准则函数作为聚类准则函数。(The K-means algorithm is a hard clustering algorithm, which is
Matlab runcode
- EMD（经验模态分解，全称Empirical Mode Decomposition，一般指EMD算法）是Hilbert-Huang变换（HHT）的核心算法。 经验模态分解(EMD)算法是通过算法过程定义的，而并非由确定的理论公式定义的，所以对其进行准确的理论分析非常困难，我们目前只能借助大量的数字仿真试验不断对其性能进行深入的研究。 EMD算法的目的在于将性能不好的信号分解为一组性能较好的本征模函数（IMFIntrinsic Mode
最优化实验乘子法
- 最优化方法之乘子法，基本的拉格朗日乘子法就是求函数f(x1,x2,...)在约束条件g(x1,x2,...)=0下的极值的方法。 其主要思想是将约束条件函数与原函数联立，从而求出使原函数取得极值的各个变量的解。(The multiplier method of optimization method, the basic Lagrange multiplier method is to find the extreme value o
package_emd
- 经验模态分解（Empirical Mode Decomposition,EMD）法是黄锷（N. E. Huang）在美国国家宇航局与其他人于1998年创造性地提出的一种新型自适应信号时频处理方法，特别适用于非线性非平稳信号的分析处理。对经过EMD处理的信号再进行希尔伯特变换，就组成了大名鼎鼎的“希尔伯特—黄变换”（HHT）。由于脑电信号处理很少在EMD之后接上希尔伯特变换，在这里仅介绍EMD的相关基础知识。 EMD其实就是一种对信
拉格朗日插值法_matlab
- 数学最优问题中，拉格朗日乘数法（以数学家约瑟夫·路易斯·拉格朗日命名）是一种寻找变量受一个或多个条件所限制的多元函数的极值的方法。(In the mathematical optimization problem, the Lagrange multiplier method (named by the mathematician Joseph Luis Lagrange) is a method of finding the extr
PSOTrainBP
- BP神经网络容易陷于局部极小值，PSO算法在无约束非线性函数优化方面性能优越，通常可以直接找寻到全局最优解，即使不能搜多到全局最优解，也距离全局最优点不远。当然，基本PSO算法陷入局部极值也是有的。对于这个缺点目前还没有找到比较有效、省市的解决方案。本案例实现利用PSO算法和BP算法共同训练神经网络，先将网络进行PSO算法训练，然后BP算法接着进行小范围精细搜索，PSO算法训练神经网络的本质就是将输出误差函数（即能量函数）看成目标函数，
精通matlab最优化计算光盘(第二版)
- 本书附带光盘中包括了作者全书所有自己编写的算法对应的MATLAB的M文件。所有代码按照章节存放在各个文件夹下，如“第6章 无约束一维极值问题”文件夹下存放了本书第6章所有的算法程序代码。对于算法的程序代码，在光盘中存为同函数名的M文件，例如，minHJ.m表示用黄金分割法求解一维函数的极值的程序，依此类推。(The book contains CD-ROM, including all the M files of the MATLAB
PSO程序
- 使用三种不同的粒子群算法，分别求解函数的极值，三种算法循序渐进，但每一种都有部分改进，新手上路，可以很好的感受到粒子群算法的变化特性(Three different particle swarm optimization algorithms are used to solve the extremum of the function, three algorithms are progressive, but each one has
DCPSO
- 标准粒子群算法介绍，目标函数求极值仿真，同时改进型的粒子群算法，避免陷入局部收敛(Improved particle swarm algorithm to avoid falling into local convergence.)
多目标粒子群算法
- 利用粒子群算法求解函数的极值，用于多目标模型优化(Solving the extreme value of a function using particle swarm optimization algorithm for multi-objective model optimization)
Extremum_fun
- 计算并批量提取odb文件的极值，主要的函数功能实现(Calculate and batch extract the extremum of ODB file)
code
- matlab实现四种最优化搜索方法 共轭梯度法 牛顿法 最速下降法 拟牛顿法 对一个十维函数的极值搜索(matlab optimal search)
Newton.py
- 牛顿迭代法寻找极值 1.6.1. 优点 在凸函数很初始点选取好的情况下，收敛快。 1.6.2. 缺点 ? 计算二阶导数，计算量大 ? 要求函数二阶可微 ? 收敛性与初始点选取有关(Newton iteration method to find extreme values)