4大经典算法---递归算法

递归算法:

        递归有几个关键词:无限,调用,自身

        什么是递归算法,其核心思想是:原始问题可以分解为规模更小的子问题,子问题可以继续分解为规模更小的子问题,一层一层分解下去。在一定的递归终止条件下求解出最内层的子问题,再一层一层返回,最终思想的原始问题的解

递归调用:

        递归的调用可以分两种:直接递归和间接递归。

        直接递归:直接递归很好理解,就是在函数内直接调用自己

        间接递归:间接递归则是先调用其他函数。通过其他函数的调用在回到自身上来

一个简单的案例,用递归函数来计算阶乘:

def factorial(n):
    if n == 0 or n == 1:
        return 1
    else:
        return n * factorial(n-1)
print(factorial(5))  # 输出: 120

 代码解释:

 

使用递归算法解决汉诺塔问题:

def hanoi(n, source, target, auxiliary):
    """
    解决汉诺塔问题
    :param n: 圆盘的数量
    :param source: 源柱子
    :param target: 目标柱子
    :param auxiliary: 辅助柱子
    """
    if n == 1:
        # 如果只有一个圆盘,直接移动到目标柱子
        print(f"Move disk 1 from {source} to {target}")
        return
    # 将n-1个圆盘从源柱子移动到辅助柱子
    hanoi(n-1, source, auxiliary, target)
    # 将最大的圆盘从源柱子移动到目标柱子
    print(f"Move disk {n} from {source} to {target}")
    # 将n-1个圆盘从辅助柱子移动到目标柱子
    hanoi(n-1, auxiliary, target, source)

hanoi(3, 'A', 'C', 'B')

总结:

递归算法需满足3个条件:

        1:原始问题可以分解为多个规模更小的子问题

        2:分解后的子问题除了规模不同,求解思路完全一样

        3:这个递归必须存在一个终止条件,以免进入一个死循环

引言 非线性函数极值寻优是工程优化和科学计算中的核心问题,传统方法在处理高维、多峰或不可导函数时往往效果不佳。神经网络与遗传算法的结合为解决这类复杂优化问题提供了新思路。本文将从计算机专业角度,详细分析神经网络遗传算法在非线性函数极值寻优中的原理、实现方法及优化策略。 混合算法原理与架构 遗传算法(GA)与神经网络(NN)的混合架构充分发挥了两者的优势:神经网络提供强大的非线性拟合能力,遗传算法则提供全局搜索能力。该混合系统的工作流程可分为三个关键阶段: 神经网络建模阶段:构建BP神经网络结构(如2-5-1),通过训练数据学习目标函数的输入输出关系。激活函数通常选择Sigmoid或ReLU,损失函数采用均方误差(MSE)。 遗传算法优化阶段:将神经网络参数编码为染色体(实数编码),以网络预测精度作为适应度函数fitness = 1/(1+MSE)。通过选择、交叉(概率0.4-0.9)和变异(概率0.01-0.2)操作进化种群。 协同优化阶段:遗传算法优化后的参数初始化神经网络,再进行BP微调,形成"全局搜索+局部优化"的双重机制。 关键技术实现 神经网络建模 采用MATLAB的Neural Network Toolbox实现,关键步骤包括: net = feedforwardnet([5]); % 单隐藏层5神经元 net.trainFcn = 'trainlm'; % Levenberg-Marquardt算法 net = train(net, input, target); % 网络训练 遗传算法优化 适应度函数设计与参数编码是核心: function fitness = ga_fitness(x) = sim(net, x'); % 神经网络预测 fitness = 1/(1+mse(y-target)); end 种群规模建议50-
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值