蟻群算法基本模型STEP1(外循環(huán))若滿足算法停止規(guī)則,停止計算,輸出計算得到的最好解給定外循環(huán)的最大數(shù)目,表明有足夠的螞蟻工作當前最優(yōu)解連續(xù)K次相同而停止,K是給定的整數(shù),表示算法已收斂◆給定優(yōu)化問題的下界和誤差值,當算法得到的目標值同下界之差小于給定的誤差值時,算法終止否則使螞蟻s(1≤s≤m)從起點出發(fā),用L(S)表示螞蟻S行走的城市集合,初始L(s)為空集。設m只螞蟻在圖的相鄰節(jié)點間移動,協(xié)作異步地得到解。螞蟻計算出下一步所有可達節(jié)點的一步轉移概率,并按此概率實現(xiàn)一步移動,依此往復。一步轉移概率由圖中每條邊上的兩類參數(shù)決定:信息素值、可見度(即先驗值)。信息素的更新有2種方式:揮發(fā)——所有路徑上信息素以一定比率減少增強——給評價值“好”(有螞蟻走過)的邊增加信息素蟻群算法基木模型令我們以求解平面上n個城市的TSP問題(1,2,…,n)表示城市號為例說明ACA的模型。n個城市的TSP問題就是尋找通過n個城市各次且最后回到出發(fā)點的最短路徑蟻群算法研究現(xiàn)狀令ACA是模擬自然界中真實蟻群的覓食行為而形成的一種模擬進化算法。10年多來的研究結果已經(jīng)表明:ACA用于組合優(yōu)化具有很強的發(fā)現(xiàn)較好解的能力,具有分布式計算易于與其他方法相結合、魯棒性強等優(yōu)點,在動態(tài)環(huán)境下也表現(xiàn)出高度的靈活性和健壯性。在求解TSP、QAP問題方面,與遺傳算法、模擬退火算法等算法比較,ACA仍是最好的解決方法之一。
標簽: 螞蟻算法
上傳時間: 2022-03-10
上傳用戶:
近些年來,云計算與移動云計算迅速發(fā)展,隨之而來出現(xiàn)的問題是由于智能終端的數(shù)量和處理器計算能力能力的增加,越來越多的計算密集型應用應用被卸載到云端,這樣就給核心網(wǎng)絡造成很大的負載,從而不能滿足那些對延遲敏感的應用,所以移動邊緣計算就因此產(chǎn)生。它通過將計算、存儲等資源部署在網(wǎng)絡的邊緣,能快速地處理任務并傳輸。但是由于用戶終端的移動性,需要考慮的一個很重要的問題就是當服務厥量受到位置影響時應當采取什么措施。合理的計算切換能夠很好地解決這個問題。在移動邊緣計算中,什么時候進行計算切換以及切換到哪里是切換問題的關鍵。本文研究了計算切換的具體過程、影響計算切換的因素及管理體系,提出了計算切換的管理框架。在考慮任務完成時間、移動終端能耗和任務完成成本這些因素影響的基礎上并根據(jù)切換管理的框架和具體的判決準則,提出了簡單加權法、熵值法和基于理想解排序的這三種多屬性決策計算切換筧法。最后在實驗部分對這三種多屬性決策計算切換算法進行仿真實驗,在根據(jù)實驗結果對三種算法的性能進行分析,然后再研究計算量與數(shù)據(jù)量變化對算法性能的影響。實驗結果表明:采用多屬性切換決策的方法要優(yōu)于不切換和總是發(fā)生切換的決策,并且在多屬性決策的方法中,班想解排序的方法要優(yōu)于簡單加權法和值法,并且任務的完成時間、移動終端能耗、和任務的執(zhí)行成本隨著終端移動速度的增大而有明顯減少,說明基于閾值的判決準則和多屬性切換決策算法適用于移動邊緣計算中的計算切換。關鍵詞:移動邊緣計算:計算切換:判決準則;多屬性決策
標簽: 移動邊緣計算
上傳時間: 2022-03-11
上傳用戶:ttalli
文檔為MATLAB的一些使用算法參考書籍詳解文檔,是一份不錯的參考資料,感興趣的可以下載看看,,,,,,,,,,,,,
標簽: matlab
上傳時間: 2022-06-29
上傳用戶:
文檔為基于MATLAB遺傳算法工具箱的太陽能電池最大功率點研究詳解文檔,是一份不錯的參考資料,感興趣的可以下載看看,,,,,,,,,,,,,
標簽: matlab
上傳時間: 2022-06-30
上傳用戶:
文檔為基于MATLAB遺傳算法工具箱的控制系統(tǒng)設計仿真詳解文檔,是一份不錯的參考資料,感興趣的可以下載看看,,,,,,,,,,,,,
標簽: matlab
上傳時間: 2022-06-30
上傳用戶:
前言說明控制的方法遠遠不止PID這一招,在許多場合也未必是最佳的控制算法。對于學習能力較好的師弟也可以再去尋求一種更優(yōu)秀的控制算法。PID的分類多如牛毛,例如:模糊PlD、數(shù)字PID、神經(jīng)元PID等等。另外,本文檔是參考幾十個PID相關文檔資料整合而成。由于個人能力等原因,從策劃、編輯、排版等花了一個多月的時間才完成此次PlD法的整合。為了更有針對性和有效性,本文檔主要講解數(shù)字PID及其變種(改進式PID):位置式和增量式。以及這兩種PID的C語言編程實現(xiàn)、參數(shù)的調(diào)整確定和PID控制的應用。我們?yōu)槭裁匆肞ID岸法呢?原國很商單:其一,PlD是一種比較成熟的控制算法,而且還有許多基于PID的變種算法(簡稱改進式PID)。其二,資杜多,學習難度路低,入門快。其三,多屆師兄實踐過,感覺效果還不錯!但每年資料成指數(shù)增長,從上屆師兄那搭貝了好幾G資料,進PID控制的文檔可以夸張的說跟天上的“星星”一樣,看了之后眼花繚亂,而且有很多重復的。為了讓更多人能快速上手使用PID控制算法,結合個人經(jīng)驗和相關文檔將它濃縮如下:
標簽: pid算法
上傳時間: 2022-07-01
上傳用戶:
C語言百列精解程序,讓你了解C的各類算法運用
標簽: C語言
上傳時間: 2022-07-04
上傳用戶:
《現(xiàn)代通信系統(tǒng)盲處理技術新進展---基于智能算法》主要由以下8章組成: 第1章簡要介紹無線通信系統(tǒng)的結構和發(fā)展概況,以及其盲處理算法的相關知識。第2章介紹人工神經(jīng)網(wǎng)絡及相應知識,從BP神經(jīng)網(wǎng)絡若手研究盲處理問題,同時給出復數(shù)域BP神經(jīng)網(wǎng)絡的信號盲處理方法和該類方法的優(yōu)缺點說明。在第3章中介紹智能體的概念,并給出基于多智能體系統(tǒng)的盲處理方法。第4章介紹基于支持向量機框架下的盲處理算法,介紹支持向批機的原理,給出基于ε- 支持向量回歸機的信道估計新方法,并介紹基千支持向批回歸方法的MPSK和QAM的盲信號處理方法,然后引入星座匹配誤差函數(shù),并根據(jù)線性支持向攪回歸和有序風險最小化原則,由恒模和星座匹配誤差函數(shù)聯(lián)合組成的新經(jīng)驗風險項構造一個新的代價函數(shù),進而通過迭代求解優(yōu)化問題獲得均衡器。第5章介紹神經(jīng)動力學和反饋神經(jīng)網(wǎng)絡的相關知識,特別地從神經(jīng)動力學角度論述連續(xù)反饋神經(jīng)網(wǎng)絡可有效飛作的原因,論述反饋神經(jīng)網(wǎng)絡權值矩陣對吸引子和相軌跡的影響。并給出如何根據(jù)系統(tǒng)接收信號與發(fā)送信號之間的子空間關系,構造一個適用于現(xiàn)代通信系統(tǒng)中的盲檢測的特定性能函數(shù)和優(yōu)化問題。第6章分別展示如何基于連續(xù)多閾值神經(jīng)元Hopfield網(wǎng)絡模型實現(xiàn)通信信號盲處理的理論和方法,針對多相制信號的特點給出兩種連續(xù)相位多闕值激勵函數(shù)形式,并分析討論該兩類激勵函數(shù)參數(shù)的選擇、分別給出連續(xù)多閾值神經(jīng)元 Hopfield 網(wǎng)絡工作于同步和異步模式下的新能隊函數(shù)及其相關證明。介紹采用幅相連續(xù)激勵法解決稀疏QAM 信號的盲檢測思路,并針對 QAM 信號的特點,分別給出連續(xù)幅度和相位多闕值激勵函數(shù)形式,分析討論該類激勵函數(shù)的特點。第7章則電在從另一個角度提出采用同相正交振幅連續(xù)激勵法解決密集QAM信號盲檢測方法。介紹如何從激勵函數(shù)角度分析放大因子選擇的范圍;給出該特定問題的同步和異步運行模式下的新能量函數(shù)形式;并證明和分析所設計的能量函數(shù)部分定理;介紹在基于反饋神經(jīng)網(wǎng)絡的信號盲處理方法這一研究課題中發(fā)現(xiàn)的幾類現(xiàn)象,包括當信號的統(tǒng)計信息缺失或失真情況下,連續(xù)多閾值神經(jīng)元反饋神經(jīng)網(wǎng)絡的盲檢測能力:通用高階QMA的激勵函數(shù)被使用作為低階QAM信號盲檢測問題時的適用性......
標簽: 無線通信系統(tǒng) 智能算法
上傳時間: 2022-07-09
上傳用戶:
高度數(shù)據(jù)的準確獲取是飛控系統(tǒng)研制過程中極其重要的一環(huán),是保證無人飛行器按照一定高程工作、平穩(wěn)著陸的先決條件。但對于低成本慣性導航解算,位置漂移嚴重[],雖可通過加速度計姿態(tài)校正來抑制部分漂移,但解算出的速度與位置仍然不準確。因此需利用除慣導外的其它傳感器測量值作為位置觀測量參與濾波,在抑制位置漂移的情況下,修正速度與加速度,提高高程數(shù)據(jù)的精度。目前文獻中大多是將慣性導航作為一個整體,對慣導的三維位置及速度進行濾波。如SINS/GPS組合導航,通過組合導航對SINS速度及位置漂移進行抑制[2][3]。但是當只需要高度方向上的數(shù)據(jù)時,此種做法往往計算量大,步驟繁瑣,且整體濾波兼顧經(jīng)度、緯度、高程等多個因素,反而影響了高度方向的濾波效果,且當SINS/GPS組合導航中的GPS信號較差時,得到的高度觀測量誤差也大。可見,當單一的高度傳感器觀測數(shù)據(jù)出現(xiàn)異常時,濾波后的高度也會出現(xiàn)異常。針對單傳感器無法適應復雜工作環(huán)境的缺點,本文結合GPS、氣壓計及慣導系統(tǒng)的優(yōu)點,來抑制慣導高度方向上的發(fā)散。通過構建GPS與氣壓計數(shù)據(jù)的權重模型獲得高度方向觀測量,使用互補濾波算法融合慣導數(shù)據(jù)與求得的觀測量得到更為精確的高度觀測值。算法簡易,魯棒性好,可在嵌入式飛控板中實時運行。
上傳時間: 2022-07-16
上傳用戶:
本書全面而系統(tǒng)地介紹了 MATLAB 算法和案例應用,涉及面廣,從基本操作到高級算法應用,幾乎 涵蓋 MATLAB 算法的所有重要知識。本書結合算法理論和流程,通過大量案例,詳解算法代碼,解決具 體的工程案例,讓讀者更加深入地學習和掌握各種算法在不同案例中的應用。 本書共 32 章。涵蓋的內(nèi)容有 MATLAB 基礎知識、GUI 應用及數(shù)值分析、MATALB 工程應用實例、 GM 應用分析、PLS 應用分析、ES 應用分析、MARKOV 應用分析、AHP 應用分析、DWRR 應用分析、 模糊逼近算法、模糊 RBF 網(wǎng)絡、基于 FCEM 的 TRIZ 評價、基于 PSO 的尋優(yōu)計算、基于 PSO 的機構優(yōu) 化、基本 PSO 的改進策略、基于 GA 的尋優(yōu)計算、基于 GA 的 TSP 求解、基于 Hopfield 的 TSP 求解、基 于 ACO 的 TSP 求解、基于 SA 的 PSO 算法、基于 kalman 的 PID 控制、基于 SOA 的尋優(yōu)計算、基于 Bayes 的數(shù)據(jù)預測、基于 SOA 的 PID 參數(shù)整定、基于 BP 的人臉方向預測、基于 Hopfield 的數(shù)字識別、基于 DEA 的投入產(chǎn)出分析、基于 BP 的數(shù)據(jù)分類、基于 SOM 的數(shù)據(jù)分類、基于人工免疫 PSO 的聚類算法、 模糊聚類分析和基于 GA_BP 的抗糖化活性研究。 本書適合所有想全面學習 MATALB 優(yōu)化算法的人員閱讀,也適合各種使用 MATALB 進行開發(fā)的工 程技術人員閱讀。對于相關高校的教學與研究,本書也是不可或缺的參考書。另外,對于 MATLAB 愛好 者,本書也對網(wǎng)絡上討論的大部分疑難問題給出了解答,值得一讀。
上傳時間: 2022-07-26
上傳用戶: