Archive for '博客'

人工蜂群算法

引言

人工蜂群算法是模仿蜜蜂行为提出的一种优化方法,是集群智能思想的一个具体应用,它的主要特点是不需要了解问题的特殊信息,只需要对问题进行优劣的比较,通过各人工蜂个体的局部寻优行为,最终在群体中使全局最优值突现出来,有着较快的收敛速度。为了解决多变量函数优化问题,Karaboga提出了人工蜂群算法ABC模型(artificial bee colony algorithm)。

阅读全文 >

粒子群优化算法

什么是粒子群优化算法

粒子群优化算法(Particle Swarm optimization,PSO)又翻译为粒子群算法、微粒群算法、或微粒群优化算法。是通过模拟鸟群觅食行为而发展起来的一种基于群体协作的随机搜索算法。通常认为它是群集智能 (Swarm intelligence, SI) 的一种。它可以被纳入多主体优化系统 (Multiagent Optimization System, MAOS), 是由Eberhart博士和kennedy博士发明。
阅读全文 >

模拟退火算法

模拟退火算法来源于固体退火原理,将固体加温至充分高,再让其徐徐冷却,加温时,固体内部粒子随温升变为无序状,内能增大,而徐徐冷却时粒子渐趋有序,在每个温度都达到平衡态,最后在常温时达到基态,内能减为最小。根据Metropolis准则,粒子在温度T时趋于平衡的概率为e-ΔE/(kT),其中E为温度T时的内能,ΔE为其改变量,k为Boltzmann常数。用固体退火模拟组合优化问题,将内能E模拟为目标函数值f,温度T演化成控制参数t,即得到解组合优化问题的模拟退火算法:由初始解i和控制参数初值t开始,对当前解重复“产生新解→计算目标函数差→接受或舍弃”的迭代,并逐步衰减t值,算法终止时的当前解即为所得近似最优解,这是基于蒙特卡罗迭代求解法的一种启发式随机搜索过程。退火过程由冷却进度表(Cooling Schedule)控制,包括控制参数的初值t及其衰减因子Δt、每个t值时的迭代次数L和停止条件S。
阅读全文 >

Erlang基本语法

1、变量
1)erlang变量变量必须以大写字母或者下划线开头,可以包含字母、下划线和@;
2)变量只容许赋值一次
阅读全文 >

采麦: 分享世界上最好的东西

采麦是一个安静的私人场所:采麦相信,生命中有太多的好东西值得记忆,无论是爱上了一首曲子,恋上了一张贴画,还是迷上了一种习惯,都可以在采麦记录和分享。透过零碎的点滴,您可以回顾清晰的生命轨迹,朋友们也能由此还原出一个最真实的您。

4个最好的PDF搜索引擎

Search pdf  (http://search-pdf-books.com/)

PdfGeni (http://www.pdfgeni.com/)

pdf-search (http://www.pdf-search-engine.com/)

Pdfdatabase (http://pdfdatabase.com/)