用遺傳算法求解背包問題是南京航空航天大學信息與計算科學專業編寫的.本程序利用遺傳算法來求解背包問題.采用二進制字符串編碼,1表示選擇物體,0則不選擇. 背包問題描述:在M件物品取出若干件放在空間為W的背包里，每件物品的重量為W1，W·2……Wn，與之相對應的價值為P1,P2……Pn。求出獲得最大價值的方案。注意：在本題中，所有的重量值均為整數。
上傳時間： 2014-11-22
上傳用戶：lixinxiang
用于稀疏分解的優化搜索算法，版權屬于Patrick S. Huggins and Steven W. Zucker（Yale University）
上傳時間： 2014-01-05
上傳用戶：希醬大魔王
黑白點的匹配貪心算法 設平面上分布著n個白點和n個黑點，每個點用一對坐標（x, y）表示。一個黑點b=（xb,yb）支配一個白點w=(xw, yw)當且僅當xb>=xw和yb>=yw。若黑點b支配白點w，則黑點b和白點w可匹配（可形成一個匹配對）。在一個黑點最多只能與一個白點匹配，一個白點最多只能與一個黑點匹配的前提下，求n個白點和n個黑點的最大匹配對數。
上傳時間： 2015-10-25
上傳用戶：zhliu007
給定一塊寬度為W的矩形板，矩形板的高度不受限制。現需要從板上分別切割出n個高度為hi，寬度為wi的矩形零件。切割的規則是零件的高度方向與矩形板的高度方向保持一致。本算法解決如何切割使得所使用的矩形板的高度h最小.
上傳時間： 2013-12-29
上傳用戶：維子哥哥
bp神經網絡算法是解決最優化問題的先進算法之一，本論文討論了神經網絡中使用最為廣泛的前饋神經網絡。其網絡權值學習算法中影響最大的就是誤差反向傳播算法（back-propagation簡稱BP算法）。BP算法存在局部極小點，收斂速度慢等缺點。基于優化理論的Levenberg-Marquardt算法忽略了二階項。該文討論當誤差不為零或者不為線性函數即二階項S(W)不能忽略時的Hesse矩陣的近似計算，進而訓練網絡。
上傳時間： 2015-12-31
上傳用戶：wendy15
Floyd-Warshall算法描述 1)適用范圍： a)APSP(All Pairs Shortest Paths) b)稠密圖效果最佳 c)邊權可正可負 2)算法描述： a)初始化：dis[u,v]=w[u,v] b)For k:=1 to n For i:=1 to n For j:=1 to n If dis[i,j]>dis[i,k]+dis[k,j] Then Dis[I,j]:=dis[I,k]+dis[k,j] c)算法結束：dis即為所有點對的最短路徑矩陣 3)算法小結：此算法簡單有效，由于三重循環結構緊湊，對于稠密圖，效率要高于執行|V|次Dijkstra算法。時間復雜度O(n^3)。 考慮下列變形：如(I,j)∈E則dis[I,j]初始為1,else初始為0，這樣的Floyd算法最后的最短路徑矩陣即成為一個判斷I,j是否有通路的矩陣。更簡單的，我們可以把dis設成boolean類型，則每次可以用“dis[I,j]:=dis[I,j]or(dis[I,k]and dis[k,j])”來代替算法描述中的藍色部分，可以更直觀地得到I,j的連通情況。
標簽： Floyd-Warshall Shortest Pairs Paths
上傳時間： 2013-12-01
上傳用戶：dyctj
數值分析 解線性方程組算法，高斯列主元消去法，LU分解法，高斯-塞德爾迭代法，SOR迭代法
上傳時間： 2013-12-21
上傳用戶：253189838
數據結構 1、算法思路： 哈夫曼樹算法：a）根據給定的n個權值{W1，W2… ，Wn }構成 n棵二叉樹的集合F={T1，T2…，T n }，其中每棵二叉樹T中只有一個帶權為W i的根結點，其左右子樹均空；b）在F中選取兩棵根結點的權值最小的樹作為左右子樹構造一棵新的二叉樹，且置新的二叉樹的根結點的權值為其左、右子樹上結點的權值之和；c）F中刪除這兩棵樹，同時將新得到的二叉樹加入F中； d）重復b)和c),直到F只含一棵樹為止。
上傳時間： 2016-03-05
上傳用戶：lacsx
設計一FIR低通濾波器 0=<|w|<=0.25Pi,輸入n代表FIR濾波器的長度,輸出H(ejw)幅度值,N代表輸出數,Hbs[N]存放H(ejw)的幅度值,h[n]存放H[z]的系數,算法采用Hamming窗函數
上傳時間： 2016-06-28
上傳用戶：a6697238
若不希望用與估計輸入信號矢量有關的相關矩陣來加快LMS算法的收斂速度，那么可用變步長方法來縮短其自適應收斂過程，其中一個主要的方法是歸一化LMS算法（NLMS算法），變步長 的更新公式可寫成 W（n+1）=w（n）+ e（n）x（n） =w（n）+ （3.1） 式中， = e（n）x（n）表示濾波權矢量迭代更新的調整量。為了達到快速收斂的目的，必須合適的選擇變步長 的值，一個可能策略是盡可能多地減少瞬時平方誤差，即用瞬時平方誤差作為均方誤差的MSE簡單估計，這也是LMS算法的基本思想。
上傳時間： 2016-07-07
上傳用戶：changeboy
