兔清风的博客

下面给出几个适应度评价函数，并给出图形表示 第一个函数：Griewank函数，图形如下所示：适应度函数如下：（为了求最大值，我去了所有函数值的相反数）  function y = Griewank(x)% Griewan函数% 输入x,给出相应的y值,在x = ( 0 , 0 ,…, 0 )处有全局极小点0.% 编制人：% 编制日期：[r

模拟退火算法是用来求解最优化问题的算法。比如著名的TSP问题，函数最大值最小值问题等等。接下来将以如下几个方面来详细介绍模拟退火算法。 Contents    1. 模拟退火算法认识   2. 模拟退火算法描述   3. 费马点问题求解   4. 最小包含球问题求解   5. 函数最值问题求解   6. TSP问题求解

模拟退火首先从某个初始候选解开始，当温度大于0时执行循环。在循环中，通过随机扰动产生一个新的解，然后求得新解和原解之间的能量差，如果差小于0，则采用新解作为当前解。如果差大于0，则采用一个当前温度与能量差成比例的概率来选择是否接受新解。温度越低，接受的概率越小，差值越大，同样接受概率越小。是否接受的概率用此公式计算：p=exp(-ΔE/T)。这里ΔE为新解与原解的差，T为当前的温度。

在学习卡尔曼滤波器之前，首先看看为什么叫“卡尔曼”。跟其他著名的理论（例如傅立叶变换，泰勒级数等等）一样，卡尔曼也是一个人的名字，而跟他们不同的是，他是个现代人！卡尔曼全名Rudolf Emil Kalman，匈牙利数学家，1930年出生于匈牙利首都布达佩斯。1953，1954年于麻省理工学院分别获得电机工程学士及硕士学位。1957年于哥伦比亚大学获得博士学位。我们现在要学习的卡尔曼滤波器