改進(jìn)遺傳算法－郭濤算法做最優(yōu)化問題很管用,算法的基本思想是 先任意產(chǎn)生n個(gè)隨機(jī)數(shù)，然后從n個(gè)數(shù)里隨機(jī)選擇m個(gè)數(shù)，再有這m個(gè) 數(shù)合成一個(gè)新數(shù)，將這個(gè)新數(shù)同n個(gè)數(shù)中間適應(yīng)值函數(shù)值的最差的比較， 如果好的話就取代最差的那個(gè)，如果它比最好的還要好的話，則把最好的 也取代。如果比最差的壞，則重新合成一個(gè)新數(shù)。依次循環(huán)下去。 程序的奇妙之處是GA_crossover()函數(shù)，產(chǎn)生的新數(shù)確實(shí)比較好，看看 那位大俠能改進(jìn)一下，產(chǎn)生比這跟好的數(shù)。
標(biāo)簽： 算法 郭濤算法 隨機(jī)數(shù)
上傳時(shí)間： 2015-04-10
上傳用戶：thuyenvinh
ADC的源程式，把51的正負(fù)極接至ADC，再將ADC.asm檔compile後，ACD便會(huì)產(chǎn)生將類比轉(zhuǎn)成數(shù)位訊號(hào)的效果
上傳時(shí)間： 2013-12-31
上傳用戶：569342831
模擬退火算法來源于固體退火原理，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
模擬退火算法來源于固體退火原理，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： 2014-12-19
上傳用戶：TRIFCT
摘要文章介紹了作者在過擊5年中在微內(nèi)核技術(shù)上所做的工作．給出了3個(gè)算法．① 通過特任務(wù)調(diào)度 和線程調(diào)度算法相結(jié)合的方法．來解決單純以線程為單位的調(diào)度系統(tǒng)的效率和公平性問題；③ 一個(gè)改進(jìn) 的寫時(shí)拷貝算法，它結(jié)合寫時(shí)拷貝算法和詩問時(shí)拷用算法的優(yōu)點(diǎn)．來解決寫時(shí)拷貝算法在I386體系結(jié)抽 上的適應(yīng)性問題；@ 提出了一個(gè)微內(nèi)核操作系蜿計(jì)時(shí)模型，它解決了傳統(tǒng)計(jì)時(shí)算法在微內(nèi)核系統(tǒng)中計(jì)時(shí) 不準(zhǔn)確的問題h
標(biāo)簽： 線程 微內(nèi)核 任務(wù)調(diào)度 單位
上傳時(shí)間： 2013-12-15
上傳用戶：thinode
7種插值算法的c++代碼實(shí)現(xiàn)，1 拉格朗日插值(POLINT) 2 有理函數(shù)插值(RATINT) 3 三次樣條插值(SPLINE(二階導(dǎo)數(shù)值)->SPLINT(函數(shù)值)) 4 有序表的檢索法(LOCATE(二分法), HUNT(關(guān)聯(lián)法)) 5 插值多項(xiàng)式(POLCOE(n2), POLCOF(n3)) 6 二元拉格朗日插值(POLIN2) 7 雙三次樣條插值(SPLIE2)
上傳時(shí)間： 2015-05-09
上傳用戶：yph853211
5種函數(shù)逼近的c++代碼， 1 級(jí)數(shù)求和(EULSUM) 2 多項(xiàng)式和有理函數(shù)(DDPOLY(函數(shù)值), POLDIV(兩個(gè)多項(xiàng)式的商及余)) 3 切比雪夫逼近(CHEBFT->CHEBEV) 4 積分和導(dǎo)數(shù)的切比雪夫逼近(CHINT(不定積分), CHDER(導(dǎo)函數(shù))) 5 用切比雪夫逼近求函數(shù)的多項(xiàng)式逼近(CHEBPC, PCSHFT)
上傳時(shí)間： 2013-12-15
上傳用戶：水口鴻勝電器
ST7920液晶顯示控制器的驅(qū)動(dòng)編程，實(shí)現(xiàn)了漢字顯示、半字符顯示、最大128*64的圖形顯示 自造字的顯示以及屏幕左右移動(dòng)和上下滾動(dòng)
上傳時(shí)間： 2015-05-11
上傳用戶：sammi
測(cè)試指定GBK碼或者UNICODE碼是否存在系統(tǒng)字庫中，也可測(cè)試所有自造字EUDC.TTC
標(biāo)簽： UNICODE GBK 測(cè)試 字庫
上傳時(shí)間： 2015-05-13
上傳用戶：彭玖華
蟲蟲下載站版權(quán)所有 京ICP備2021023401號(hào)-1
