optimize 일반 제약 조건 최적화 문제에 대 한 간단한 방법 알고리즘의 사용 하 고 몇 가지 테스트 기능을 테스트 합니

digtak → 다운로드 → 수치 알고리즘 / 인공 지능 → 다른 수치 알고리즘 / 인공 지능

검색:

optimize

분류:수치 알고리즘 / 인공 지능 - 다른 수치 알고리즘 / 인공 지능 도구 개발:matlab 크기:112 KB 업로드 시간:2011/8/6 10:45:04 업 로더:W_it 다운로드 통계:

설명

일반 제약 조건 최적화 문제에 대 한 간단한 방법 알고리즘의 사용 하 고 몇 가지 테스트 기능을 테스트 합니다.

File list:
html
...\testoptimize.html
...\testoptimize.png

...\testoptimize_01.png

...\testoptimize_02.png

...\testoptimize_03.png

...\testoptimize_04.png

...\testoptimize_eq13962.png

...\testoptimize_eq38168.png

license.txt
optimize.m
testoptimize.m

이것은 높은 품질의 소스 코드입니다,당신이 회원 인 경우, 로그인하십시오. 당신은 회원이 아닌 경우, 등록하시기 바랍니다 .

관련 소스코드

[Particle Swarm Optimization-based Ne...] - 최적화 알고리즘은 pso를 이용한 학습률을 최적화한 신경망 데이터는 JENKIN과 makey이를 사용.
[loptimist] - 안드로이드 알람 기초적 소스
[OptimalBST] - 최적의 이진 검색 트리, 동적 프로그래밍 구현 건설. GCC 컴파일, 좋은 나무 건물 목록으로 인쇄할 수 있습니다. 완전 한 소스 코드, 테스트 되었습니다.
[genetic algo optimize for back propa...] - algorithm optimize for back propagation using neural network method
[3-optimal] - c배열에 무한대의 값은 999로 충분히 큰 값을 넣고 데이터를 입력하였습니다. n은 6개로 하였습니다. in_cost와 out_cost에 간략한 식을 넣기 위해 ci, cij, cki처럼 변 수를 만들어서 표현하였습니다. cost가 계산이 되어 in_cost가 out_cost보다 값이 작으면, 경로배열을 rotate하여 rotate한 경로의 총비용의 합을 optimization에 저장 시킨 뒤 goto를 사용하여 i, j, k의 값이 초기화되도록 i의for구문 위에서 시작하도록 하였습니다. for 구문을 상위단계에서 50회 돌리면서 random_shuffle를 사용하여 경로배열에 50개의 다른 임의의 값이 주어지도록 하였습니다. 랜덤으로 섞여진 경 로 배열의 첫 번째 값과 마지막으로 돌아오는 값이 같도록 p[6] = p[0];을 random_shuffle 다음에 입력해 주었습니다. 50번의 랜덤으로 경로가 지정되어 돌아 갈 때 마다 그 시작 값에서 마다의 최적 값을 알아 보기위해 첫 번째 for 구문에 입력하여 50개의 최적경로와 최적비용이 출력되도록 하였습니다.
[Standard particle swarm optimization...] - 표준 입자 메뚜기 최적화
[Good IMADPCM and MSADPCM algorithm o...] - 자신의 최적의 IMA - ADPCM 및 Microsoft ADPCM 알고리즘, 압축 비율 1 / 4. 확인 편리
[Optimization algorithm] - 최적화 실험 시리즈 : 가변 스텝 크기가 알고리즘, 가파른 하강하는 방법, 골든 섹션을하는 방법, 교미 그라데이션 방법, 이차 보간 방법은 C 프로그래밍
[cppfrance_DETECTION-OPTIMALE-CONTOUR...] - 최적의 countour의 검출
[optimizePID] - 유전자 알고리즘을 사용하여, 기존의 PID 알고리즘의 완벽한 비율 차동 매개 변수에서 테스트한 완전한 소스 코드를 최적의 위치에 직접 사용될 수있습니다.

다운로드 주소

DownLoad

Comments: 다운로드 후 값매기다를 잊지 마세요! Comment...

About - Advertise - Sitemap