文檔為基于MATLAB遺傳算法工具箱的控制系統(tǒng)設(shè)計(jì)仿真詳解文檔，是一份不錯(cuò)的參考資料，感興趣的可以下載看看，，，，，，，，，，，，，
標(biāo)簽： matlab
上傳時(shí)間： 2022-06-30
上傳用戶：
ADT BinaryTree 的實(shí)現(xiàn)及驗(yàn)證程序采用的主要數(shù)據(jù)結(jié)構(gòu)：二叉樹、棧、隊(duì)算法思想：1、 先序建樹、輸出樹、后序遍歷用遞歸方法。性能分析：O( n )2、 先序遍歷、中序遍歷：性能分析：O( n )(1) 若遇到新節(jié)點(diǎn)非空則先入棧，然后訪問其左子樹。(2) 若為空則將棧頂結(jié)點(diǎn)出棧，訪問其右子樹。(3) 循環(huán)1、2直到棧為空且無(wú)節(jié)點(diǎn)可入棧。先序與中序的區(qū)別是：先序在入棧時(shí)訪問節(jié)點(diǎn)，中序在出棧時(shí)訪問節(jié)點(diǎn)。3、 層遍歷：性能分析：O( n )(1) 根節(jié)點(diǎn)入隊(duì)(2) 節(jié)點(diǎn)出隊(duì)并訪問(3) 若節(jié)點(diǎn)有左孩子，則左孩子入隊(duì)；有右孩子，則右孩子入隊(duì)。(4) 重復(fù)2、3直到隊(duì)列為空。4、 線索樹：算法與先序遍歷、中序遍歷一樣，只是將訪問節(jié)點(diǎn)的Visit函數(shù)改為連接前驅(qū)與后繼的操作。性能分析：O(
標(biāo)簽： BinaryTree ADT 性能分析 樹
上傳時(shí)間： 2014-12-20
上傳用戶：SimonQQ
基于MATLAB的微粒群工具箱，算法模型中引入收縮因子，收斂速度有所提高，但對(duì)高維函數(shù)的優(yōu)化效果仍然不理想。
上傳時(shí)間： 2014-12-07
上傳用戶：qiao8960
圖像壓縮的MATLAB算法之JEPG，完整的例程，參改價(jià)值高。
上傳時(shí)間： 2013-12-21
上傳用戶：13188549192
1、掌握MATLAB優(yōu)化工具箱的基本用法，對(duì)不同算法進(jìn)行初步分析、比較。 2、練習(xí)實(shí)際問題的非線性最小二乘擬合。
上傳時(shí)間： 2015-04-04
上傳用戶：yulg
contourlet算法作為二階小波算法的延續(xù)，有很強(qiáng)大的應(yīng)用空間，上傳的文件是contourlet算法的工具箱
標(biāo)簽： contourlet 算法 二階
上傳時(shí)間： 2013-12-11
上傳用戶：Amygdala
簡(jiǎn)單好用的AES算法，提供基本的對(duì)文件的加密、解密和數(shù)據(jù)塊的加密、解密，目前的版本是靜態(tài)庫(kù)，很容易改做成動(dòng)態(tài)庫(kù)，亦可輕松移植到Linux平臺(tái)，已測(cè)試過跟Java等其他標(biāo)準(zhǔn)AES加密庫(kù)成功對(duì)接（可相互加、解密）。
上傳時(shí)間： 2015-04-13
上傳用戶：silenthink
bp算法的源代碼，由于很多程序都是利用matlab工具箱函數(shù)做的，不利于是用這個(gè)性化設(shè)計(jì)，對(duì)于觀察網(wǎng)絡(luò)內(nèi)部的結(jié)構(gòu)也帶來(lái)一定困難，這個(gè)算法就可以讓社記者跟蹤訓(xùn)練過程
上傳時(shí)間： 2015-04-21
上傳用戶：洛木卓
模擬退火算法來(lái)源于固體退火原理，將固體加溫至充分高，再讓其徐徐冷卻，加溫時(shí)，固體內(nèi)部粒子隨溫升變?yōu)闊o(wú)序狀，內(nèi)能增大，而徐徐冷卻時(shí)粒子漸趨有序，在每個(gè)溫度都達(dá)到平衡態(tài)，最后在常溫時(shí)達(dá)到基態(tài)，內(nèi)能減為最小。根據(jù)Metropolis準(zhǔn)則，粒子在溫度T時(shí)趨于平衡的概率為e-ΔE/(kT)，其中E為溫度T時(shí)的內(nèi)能，ΔE為其改變量，k為Boltzmann常數(shù)。用固體退火模擬組合優(yōu)化問題，將內(nèi)能E模擬為目標(biāo)函數(shù)值f，溫度T演化成控制參數(shù)t，即得到解組合優(yōu)化問題的模擬退火算法：由初始解i和控制參數(shù)初值t開始，對(duì)當(dāng)前解重復(fù)“產(chǎn)生新解→計(jì)算目標(biāo)函數(shù)差→接受或舍棄”的迭代，并逐步衰減t值，算法終止時(shí)的當(dāng)前解即為所得近似最優(yōu)解，這是基于蒙特卡羅迭代求解法的一種啟發(fā)式隨機(jī)搜索過程。退火過程由冷卻進(jìn)度表(Cooling Schedule)控制，包括控制參數(shù)的初值t及其衰減因子Δt、每個(gè)t值時(shí)的迭代次數(shù)L和停止條件S。
標(biāo)簽： 模擬退火算法
上傳時(shí)間： 2015-04-24
上傳用戶：R50974
模擬退火算法來(lái)源于固體退火原理，將固體加溫至充分高，再讓其徐徐冷卻，加溫時(shí)，固體內(nèi)部粒子隨溫升變?yōu)闊o(wú)序狀，內(nèi)能增大，而徐徐冷卻時(shí)粒子漸趨有序，在每個(gè)溫度都達(dá)到平衡態(tài)，最后在常溫時(shí)達(dá)到基態(tài)，內(nèi)能減為最小。根據(jù)Metropolis準(zhǔn)則，粒子在溫度T時(shí)趨于平衡的概率為e-ΔE/(kT)，其中E為溫度T時(shí)的內(nèi)能，ΔE為其改變量，k為Boltzmann常數(shù)。用固體退火模擬組合優(yōu)化問題，將內(nèi)能E模擬為目標(biāo)函數(shù)值f，溫度T演化成控制參數(shù)t，即得到解組合優(yōu)化問題的模擬退火算法：由初始解i和控制參數(shù)初值t開始，對(duì)當(dāng)前解重復(fù)“產(chǎn)生新解→計(jì)算目標(biāo)函數(shù)差→接受或舍棄”的迭代，并逐步衰減t值，算法終止時(shí)的當(dāng)前解即為所得近似最優(yōu)解，這是基于蒙特卡羅迭代求解法的一種啟發(fā)式隨機(jī)搜索過程。退火過程由冷卻進(jìn)度表(Cooling Schedule)控制，包括控制參數(shù)的初值t及其衰減因子Δt、每個(gè)t值時(shí)的迭代次數(shù)L和停止條件S。
標(biāo)簽： 模擬退火算法
上傳時(shí)間： 2015-04-24
上傳用戶：ryb
蟲蟲下載站版權(quán)所有 京ICP備2021023401號(hào)-1
