matlab標(biāo)準(zhǔn)遺傳算法 優(yōu)化函數(shù)為f=-(x-1)^2+4，其中，0<=x<=3
標(biāo)簽： matlab 標(biāo)準(zhǔn) 函數(shù) 算法
上傳時間： 2014-01-20
上傳用戶：evil
5G系統(tǒng)中F-OFDM算法設(shè)計5G 系統(tǒng)中 F-OFDM 算法設(shè)計 摘 要： 將 F ( filter ) - OFDM 的框架應(yīng)用在傳統(tǒng)的 LTE 系統(tǒng)上 。 利用該新的波形技術(shù) ， LTE 系統(tǒng)可以支持更加靈活的 參數(shù)配置， 滿足未來 5G 豐富的業(yè)務(wù)需求。 通過發(fā)射機子帶濾波器的設(shè)計， 相鄰子帶間的帶外泄漏 (OOB ) 可以被大幅度抑 制。 接收機采用匹配濾波機制實現(xiàn)各個子帶的解耦。 最后通過實驗仿真， 比較 OFDM 系統(tǒng)和 F- OFDM 系統(tǒng)的誤塊率 (BLER ) 性能， 可以看到當(dāng)存在鄰帶干擾時， 后者通過子帶濾波器對干擾的抑制， 系統(tǒng)性能明顯優(yōu)于前者。 關(guān)鍵詞： F- OFDM ； 帶外泄漏 (OOB ) ；
標(biāo)簽： 5G
上傳時間： 2022-02-25
上傳用戶：
采用現(xiàn)場可編程門陣列(FPGA)可以快速實現(xiàn)數(shù)字電路，但是用于生成FPGA編程的比特流文件的CAD工具在編制大規(guī)模電路時常常需要數(shù)小時的時間，以至于許多設(shè)計者甚至通過在給定FPGA上采用更多的資源，或者以犧牲電路速度為代價來提高編制速度。電路編制過程中大部分時間花費在布線階段，因此有效的布線算法能極大地減少布線時間。 許多布線算法已經(jīng)被開發(fā)并獲得應(yīng)用，其中布爾可滿足性(SAT)布線算法及幾何查找布線算法是當(dāng)前最為流行的兩種。然而它們各有缺點：基于SAT的布線算法在可擴展性上有很大缺陷；幾何查找布線算法雖然具有廣泛的拆線重布線能力，但當(dāng)實際問題具有嚴(yán)格的布線約束條件時，它在布線方案的收斂方面存在很大困難。基于此，本文致力于探索一種能有效解決以上問題的新型算法，具體研究工作和結(jié)果可歸納如下。 1、在全面調(diào)查FPGA結(jié)構(gòu)的最新研究動態(tài)的基礎(chǔ)上，確定了一種FPGA布線結(jié)構(gòu)模型，即一個基于SRAM的對稱陣列(島狀)FPGA結(jié)構(gòu)作為研究對象，該模型僅需3個適合的參數(shù)即能表示布線結(jié)構(gòu)。為使所有布線算法可在相同平臺上運行，選擇了美國北卡羅來納州微電子中心的20個大規(guī)模電路作為基準(zhǔn)，并在布線前采用VPR399對每個電路都生成30個布局，從而使所有的布線算法都能夠直接在這些預(yù)制電路上運行。 2、詳細(xì)研究了四種幾何查找布線算法，即一種基本迷宮布線算法Lee，一種基于協(xié)商的性能驅(qū)動的布線算法PathFinder，一種快速的時延驅(qū)動的布線算法VPR430和一種協(xié)商A
上傳時間： 2013-05-18
上傳用戶：ukuk
模擬退火算法 模擬退火算法(Simulated Annealing,簡稱SA算法)是模擬加熱熔化的金屬的退火過程，來尋找全局最優(yōu)解的有效方法之一。 模擬退火的基本思想和步驟如下： 設(shè)S＝{s1,s2,…,sn}為所有可能的狀態(tài)所構(gòu)成的集合， f：S—R為非負(fù)代價函數(shù)，即優(yōu)化問題抽象如下： 尋找s*∈S，使得f(s*)＝min f(si) 任意si∈S （1）給定一較高初始溫度T，隨機產(chǎn)生初始狀態(tài)S （2）按一定方式，對當(dāng)前狀態(tài)作隨機擾動，產(chǎn)生一個新的狀態(tài)S’ S’＝S＋sign(η).δ 其中δ為給定的步長， η為[－1,1]的隨機數(shù)
標(biāo)簽： Simulated Annealing 模擬退火算法 模擬
上傳時間： 2014-01-02
上傳用戶：gengxiaochao
算法ebook(10部算法經(jīng)典著作的合集) 算法ebook> 10部算法經(jīng)典著作的合集 chm格式 (1)Fundamentals of Data Structures by Ellis Horowitz and Sartaj Sahni (2)Data Structures, Algorithms and Program Style Using C by James F. Korsh and Leonard J. Garrett (3)Data Structures and Algorithm Analysis in C by Mark Allen Weiss (4)Data Structures: From Arrays to Priority Queues by Wayne Amsbury (5)Information Retrieval: Data Structures & Algorithms edited by William B. Frakes and Ricardo Baeza-Yates (6)Introduction to Algorithms by Thomas H. Cormen, Charles E. Leiserson, and Ronald L. Rivest (7)Practical Data Structures in C++ by Bryan Flamig (8)Reliable Data Structures in C by Thomas Plum (9)Data Structures and Algorithms Alfred V. Aho, Bell Laboratories, Murray Hill, New Jersey John E. Hopcroft, Cornell University, Ithaca, New York Jeffrey D. Ullman, Stanford University, Stanford, California (10)DDJ Algorithms and Data Structures Articles
標(biāo)簽： ebook Fundamentals Structures Ellis
上傳時間： 2015-04-04
上傳用戶：tfyt
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，固體內(nèi)部粒子隨溫升變?yōu)闊o序狀，內(nèi)能增大，而徐徐冷卻時粒子漸趨有序，在每個溫度都達(dá)到平衡態(tài)，最后在常溫時達(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時趨于平衡的概率為e-ΔE/(kT)，其中E為溫度T時的內(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，對當(dāng)前解重復(fù)“產(chǎn)生新解→計算目標(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)式隨機搜索過程。退火過程由冷卻進度表(Cooling Schedule)控制，包括控制參數(shù)的初值t及其衰減因子Δt、每個t值時的迭代次數(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，固體內(nèi)部粒子隨溫升變?yōu)闊o序狀，內(nèi)能增大，而徐徐冷卻時粒子漸趨有序，在每個溫度都達(dá)到平衡態(tài)，最后在常溫時達(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時趨于平衡的概率為e-ΔE/(kT)，其中E為溫度T時的內(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，對當(dāng)前解重復(fù)“產(chǎn)生新解→計算目標(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)式隨機搜索過程。退火過程由冷卻進度表(Cooling Schedule)控制，包括控制參數(shù)的初值t及其衰減因子Δt、每個t值時的迭代次數(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，固體內(nèi)部粒子隨溫升變?yōu)闊o序狀，內(nèi)能增大，而徐徐冷卻時粒子漸趨有序，在每個溫度都達(dá)到平衡態(tài)，最后在常溫時達(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時趨于平衡的概率為e-ΔE/(kT)，其中E為溫度T時的內(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，對當(dāng)前解重復(fù)“產(chǎn)生新解→計算目標(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)式隨機搜索過程。退火過程由冷卻進度表(Cooling Schedule)控制，包括控制參數(shù)的初值t及其衰減因子Δt、每個t值時的迭代次數(shù)L和停止條件S。
標(biāo)簽： 模擬退火算法
上傳時間： 2014-12-19
上傳用戶：TRIFCT
％ 該Matlab程序基于牛頓－拉夫遜算法，用于計算已知導(dǎo)納矩陣、PQ節(jié)點、PV節(jié)點、平衡節(jié)點(UA)的電力網(wǎng)絡(luò)潮流 ％ U - 各節(jié)點母線電壓 S - 各節(jié)點注入功率 S_net - 電力網(wǎng)絡(luò)總損耗 ％ PQ_P - 實算PQ節(jié)點注入有功功率 PQ_Q - 實算PQ節(jié)點注入無功功率 ％ delt_PQ_P - 實算PQ節(jié)點有功功率修正值 delt_PQ_Q －實算PQ節(jié)點無功功率修正值 ％ delt_UA_P - 實平衡節(jié)點有功功率修正值 delt_U_2 - 實平衡節(jié)點電壓平方修正值 ％ delt_PQV - 實算P Q U^2修正值 J - 雅可比矩陣 ％ e - 電壓實部 f - 電壓虛部 delt_ef - 電壓實部與虛部修正值
上傳時間： 2015-07-23
上傳用戶：王楚楚
RSA公鑰加密算法基于大整數(shù)因式分解困難這樣的事實。 選擇兩個素數(shù)，p，q。（一般p,q選擇很大的數(shù)） 然后計算 z=p*q f=(p-1)(q-1) 選擇一個n，使gcd(n,f)=1（gcd代表greatest common divider,一般n也選擇一個素數(shù)）， n和z就作為公鑰。 選擇一個s,0<s<f,滿足n*s ％ f=1，s就作為私鑰。
上傳時間： 2013-12-14
上傳用戶：wxhwjf
蟲蟲下載站版權(quán)所有 京ICP備2021023401號-1
