qq_42418728的博客

复习目的： 更好的理解退火算法的基本模型思想以及原理实现，并对以前的实现代码进行更进一步的优化 关于最优路径遍历所有点的退火算法解法，在原来的基础上进行引入了“死灰重燃”的可能，从而在不需要进行更加大量的搜索的前提下，降低了算法结果的波动程度，提高了解的优化程度。 第一部分： 计算所有点间的距离（能量表） function [ fare ] = distance( coord ) % ...

一、了解遗传算法： 遗传算法借鉴了达尔文和孟德尔的遗传学说。它的运行本质也就是模拟了物种在繁衍过程中，染色体通过一系列的步骤，将优质的遗传基因保存下来，而将大部分的劣质因子淘汰掉的过程。总得来说，遗传算法核心一般有：编码、选择、交叉、变异。当然对于具体问题，可能还有特殊的算子和参数设定。 二、理解遗传算法： 染色体：它代表了一个个体的几乎所有的性状表现，因此可以用染色体来代表一个个体，或...

问题：求解函数：f(x) = sum(xi) - sum(xj)，(-20 < xi, xj < 20，i为奇数，j为偶数)的最小值 其中：0 <= i,j <= 10 构建粒子群模型： 维数D：10 适应度函数fit：f(x) 位置上界、下界：20，-20 设置粒子数：200 设置速度上界，下界：10，-10 设置惯性w:0.8 设置学习因子c1,c...

1.层次分析； 2.多属性决策； 3.图论Dijstra; 4.图论Floryd; 5.退火算法； 6.种群竞争； 1.层次分析法： 实现代码： disp('请输入判断矩阵A(n阶)'); A=input('A='); [n,n]=size(A); x=ones(n,100); y=ones(n,100); m=zeros(1,100); m(1)=max(x(:,1));...

粗略的理解元胞自动机： 元胞可以看做一个的基本单位，就好比培养皿中的一个细胞。这个细胞有两个状态：生和死 假设一个元胞可以通过吞噬周围一定范围内的细胞来延长自身的生命。那么显然，这个元胞的下一个时刻的状态取决于前一个状态以及下一个位置周围的细胞的状态。假设某一时刻元胞状态变化到下一个时刻的状态记为：s[t] -> s[t+1] 一个元胞的周围固定范围内，某一个时刻的活元胞数量为：n[t...