斐波拉契数多种算法

/**
 * 斐波拉契数
 */
public class Fibonacci {

    // 普通算法
    public static int fab(int n ){
        if (n <= 2){
            return 1;
        }
        return fab(n-1) + fab(n-2);
    }

    // 非递归算法  // 不用递归 O(n)
    public static int fabFor(int n ){
        if (n <= 2){
            return 1;
        }
        int f1 = 1;
        int f2 = 1;
        int now = 0;
        for (int i =3; i <= n; i++){
            now = f1 + f2;
            f1 = f2;
            f2 = now;
        }
        return now;
    }

    // 用数组来做缓存 将为了O(n),空间也降至为O(n)
    public static int[] map = new int[n];
    public static int fabMap(int n ){
        if (n <= 2){
            return 1;
        }
        if (map[n] >0){
            return map[n];
        }
        int res = fabMap(n-1) + fabMap(n-2);
        map[n] = res;
        return res;
    }

    /**
     * 尾递归
     * last 上一次运算出来结果
     * beforeLast 上上一次运算出来的结果
     */
    public static int tailfab(int beforeLast,int last,int n) {
        if (n <= 2)
            return last; // 递归的终止条件
        return tailfab(last, beforeLast + last, n - 1);	
    }
}
MATLAB代码实现了一个基于多种智能优化算法优化RBF神经网络的回归预测模型,其核心是通过智能优化算法自动寻找最优的RBF扩展参(spread),以提升预测精度。 1.主要功能 多算法优化RBF网络:使用多种智能优化算法优化RBF神经网络的核心参spread。 回归预测:对输入特征进行回归预测,适用于连续值输出问题。 性能对比:对比不同优化算法在训练集和测试集上的预测性能,绘制适应度曲线、预测对比图、误差指标柱状图等。 2.算法步骤 据准备:导入据,随机打乱,划分训练集和测试集(默认7:3)。 据归一化:使用mapminmax将输入和输出归一化到[0,1]区间。 标准RBF建模:使用固定spread=100建立基准RBF模型。 智能优化循环: 调用优化算法(从指定文件夹中读取算法文件)优化spread参。 使用优化后的spread重新训练RBF网络。 评估预测结果,保存性能指标。 结果可视化: 绘制适应度曲线、训练集/测试集预测对比图。 绘制误差指标(MAE、RMSE、MAPE、MBE)柱状图。 十种智能优化算法分别是: GWO:灰狼算法 HBA:蜜獾算法 IAO:改进天鹰优化算法,改进①:Tent混沌映射种群初始化,改进②:自适应权重 MFO:飞蛾扑火算法 MPA:海洋捕食者算法 NGO:北方苍鹰算法 OOA:鱼鹰优化算法 RTH:红尾鹰算法 WOA:鲸鱼算法 ZOA:斑马算法
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
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