- 博客(0)
- 资源 (39)
- 收藏
- 关注
RSS订阅在MacroFemtocell异构网络基于能效优化的子载波分配介绍
异构网络资源分配蝙蝠算法能量效率(energy efficiency,EE)成为衡量网络性能新的指标,最大化网络能效已成为通信技术的研究热点.针对Macro/Femtocell异。。。
2018-04-11
蝙蝠算法MATLAB程序
蝙蝠算法( BA) 是 Yang 教授于 2010 年基于群体智能提出的启发式搜索算法,是一种搜索全局最优解的有效方法。该算法是一种基于迭代的优化技术,初始化为一组随机解
2018-04-11
在MacroFemtocell异构网络基于能效优化的子载波分配
异构网络资源分配蝙蝠算法能量效率(energy efficiency,EE)成为衡量网络性能新的指标,最大化网络能效已成为通信技术的研究热点.针对Macro/Femtocell异...
2018-04-11
NSGA3:AnEvolutionaryMany-ObjectiveOptimization
NSGA3与NSGA2的算法框架大致相同，只是在选择机制有所不同。NSGA2用拥挤距离对同非支配等级的个体进行选择（拥挤距离越大越好），而NSGA3用的是基于参考点的方法对个体进行选择。NSGA3采用基于参考点的方法就是为了解决在面对三个及其以上目标的多目标优化问题时，如果继续采用拥挤距离的话，算法的收敛性和多样性不好的问题（就是得到的解在非支配层上分布不均匀，这样会导致算法陷入局部最优）。
2018-04-11
模拟退火算法matlab程序
模拟退火算法来源于固体退火原理，是一种基于概率的算法，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。
2018-04-11
标准GA的matlab源程序
遗传算法（Genetic Algorithm）是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法。遗传算法是从代表问题可能潜在的解集的一个种群（population）开始的，而一个种群则由经过基因（gene）编码的一定数目的个体(individual)组成。每个个体实际上是染色体(chromosome)带有特征的实体。
2018-04-11
GA的matlab源程序
遗传算法（Genetic Algorithm）是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法。遗传算法是从代表问题可能潜在的解集的一个种群（population）开始的，而一个种群则由经过基因（gene）编码的一定数目的个体(individual)组成。每个个体实际上是染色体(chromosome)带有特征的实体。
2018-04-11
三次B样曲面
给定(n+1)×(m+1)个空间点阵r_ij(i=0,1,…,nj;j=0,1,…,m),双三次B样条曲面可分块表示为
r_l,k(u,v)=∑3i=0∑3
j=0
Ei,3(u)Ej,3(v)r(i+l)(j+k),
0≤u,v≤1,l=0,1,…,n-3,k=0,1,…,m-3(211)
其中 基函数为
E0,3(t)=(-t3+3t2-2t+1)/3!, E1,3(t)=(3t3-6t2+4)/3!, E2,3(t)=(-3t3+2t2+3t+1)/3!, E3,3(t)=t3/3!
变量t可用u或v代替,这里r_ij称为deBoor点
2017-11-26
双三次B样条曲面-网格
给定(n+1)×(m+1)个空间点阵r_ij(i=0,1,…,nj;j=0,1,…,m),双三次B样条曲面可分块表示为
r_l,k(u,v)=∑3i=0∑3
j=0
Ei,3(u)Ej,3(v)r(i+l)(j+k),
0≤u,v≤1,l=0,1,…,n-3,k=0,1,…,m-3(211)
其中 基函数为
E0,3(t)=(-t3+3t2-2t+1)/3!, E1,3(t)=(3t3-6t2+4)/3!, E2,3(t)=(-3t3+2t2+3t+1)/3!, E3,3(t)=t3/3!
变量t可用u或v代替,这里r_ij称为deBoor点。
2017-11-26
三维图形几何变换算法.
三维图形几何变换是二维图形几何变换的扩展。在三维空间中，用规范化齐次坐标[x y z 1]表示三维点，变换原理是把齐次坐标点(x, y, z, 1)通过变换矩阵变换成新的齐次坐标点(x’ y’, z’, 1)
2017-10-28
二维图形几何变换算法
图像的几何变换包括:图像的空间平移、比例缩放、旋转、仿射变换和图像插值。 图像几何变换的实质:改变像素的空间位置，估算新空间位置上的像素值。
图像几何变换的一般表达式：[,][(,),(,)]uvXxyYxy ，其中，[,]uv为变换后图像像素的笛卡尔坐标， [,]xy为原始图像中像素的笛卡尔坐标。这样就得到了原始图像与变换后图像的像素的对应关系
2017-10-28
椭圆中点Bresenham算法
椭圆对称性质：椭圆分别关于X轴、Y轴对称。因此在计算椭圆生成的时候，只需要计算1/4个椭圆，经过对称原理就可以实现其他3/4个椭圆的生成了，即：计算出目标点（x,y）的坐标，必然存在（x,-y）、（-x,y）（-x,-y）。此方案中采用计算第一象限中椭圆的生成，即：计算x=0到y=0的1/4的椭圆。先通过平移的方法将假设椭圆中心在坐标原点，然后计算，最后再平移到真实中心位置。
2017-10-28
圆中点Bresenham算法
中点画圆法中，计算判别式d使用了浮点运算，影响了圆的生成效率。如果能将判别式规约到整数运算，则可以简化计算，提高效率。于是人们针对中点画圆法进行了多种改进，其中一种方式是将d的初始值由1.25 – R改成1 – R，考虑到圆的半径R总是大于2，因此这个修改不会影响d的初始值的符号，同时可以避免浮点运算。还有一种方法是将d的计算放大两倍，同时将初始值改成3 – 2R，这样避免了浮点运算，乘二运算也可以用移位快速代替，采用3 – 2R为初始值的改进算法，又称为Bresenham算法
2017-10-28
鼠标移动三角形（整体移动）算法源程序
鼠标移动三角形算法源程序 ，开发语言为MFC。程序编译后可以直接运行，程序的原理说明见孔令德《计算机图形学基础教程（Visual C++版）》（第2版）和《计算机图形学实践教程（Visual C++版）》（第2版）。
2017-10-15
转动的六边形算法源程序
转动的六边形算法源程序 ，开发语言为MFC。程序编译后可以直接运行，程序的原理说明见孔令德《计算机图形学基础教程（Visual C++版）》（第2版）和《计算机图形学实践教程（Visual C++版）》（第2版）。
2017-10-15
圆锥面动态隐线算法
圆锥面动态隐线算法源程序 ，开发语言为MFC。程序编译后可以直接运行，程序的原理说明见孔令德《计算机图形学基础教程（Visual C++版）》（第2版）和《计算机图形学实践教程（Visual C++版）》（第2版）。
2017-10-15
球面Phong明暗处理光照算法
球面Phong明暗处理源程序 ，开发语言为MFC。程序编译后可以直接运行，程序的原理说明见孔令德《计算机图形学基础教程（Visual C++版）》（第2版）和《计算机图形学实践教程（Visual C++版）》（第2版）。
2017-10-15
立方体线框模型透视投影
(1) 在屏幕中心建立三维坐标系Oxyz，x轴水平向右，y轴铅直向上，z轴 垂直于屏幕指向观察者 (2) 建立以三维坐标系Oxyz的原点为体心，边长为a的正立方体线框模型 (3) 使用旋转变换矩阵计算立方体线框模型围绕三维坐标系原点变换前后 的顶点坐标 (4) 屏幕上绘制立方体线框模型的二维正交投影图 (5) 屏幕上绘制立方体线框模型的二维透视投影图
2017-10-15
绘制椭圆-圆-矩形
v++6.0下运行，在mfc中进行绘制椭圆-圆-矩形，所谓的动态画线，画矩形，画椭圆的本质就是在于消隐问题的解决以及对Windows消息循环机制的理解，消隐问题：因为MFC中有一个函数SetROP2，通过将该函数的参数设置为R2—NOT（当前绘制的像素值设为屏幕像素值的反色，这里面的“屏幕”二字是指你所绘制的图形所占据的那一部分屏幕区域，即直线所占的屏幕区域就是直线所在的那一段线的区域），利用这一点通过在同一区域重复画两次便可以将该区域的形状消隐。
2017-10-15
Diomand（金刚石图案算法）
（1）程序运行界面提供文件、绘图和帮助三个菜单项。
（2）单击绘图菜单，弹出对话框读入圆的等分点个数和圆的半径。 （3）以屏幕客户区中心为圆心绘制金刚石图案。
2017-10-15
现代优化计算方法 第二版-邢文训清
《现代优化计算方法》系统介绍了禁忌搜索算法、模拟退火算法、遗传算法、蚁群优化算法、人工神经网络算法和拉格朗日松弛算法等现代优化计算方法的模型与理论、应用技术和应用案例。
2017-10-15
矩阵分析教学课件（史荣昌版）
主要内容包括：特征值、特征向量和相似性，酉等价和正规矩阵，标准形，Hermite矩阵和对称矩阵，向量范数和矩阵范数，特征值和估计和扰动，正定矩阵，非负矩阵。 本书可作为工程、统计、经济学、计算机等专业的研究生教材和数学专业高年级本科生教材，也可作为数学工作者和科技人员的参考书。
2017-10-15
遗传算法NSGA-2
进化算法作为一种启发式搜索算法，是对整个群体进行的进化操作，这种从种群到种群的方法对于搜索多目标优化问题的Pareto最优解是很有用的,因此，进化算法很适合解决多目标优化问题。相对于传统的解决方法对目标函数的要求（如是否线性、连续和可微），进化多目标优化算法对目标函数的要求相对较低，且求解效率较高。
2017-10-15
粒子群算法 Python源程序
粒子群算法，也称粒子群优化算法或鸟群觅食算法（Particle Swarm Optimization），缩写为 PSO， 是近年来由J. Kennedy和R. C. Eberhart等 [1] 开发的一种新的进化算法(Evolutionary Algorithm - EA)。PSO 算法属于进化算法的一种，和模拟退火算法相似，它也是从随机解出发，通过迭代寻找最优解，它也是通过适应度来评价解的品质，但它比遗传算法规则更为简单，它没有遗传算法的“交叉”(Crossover) 和“变异”(Mutation) 操作，它通过追随当前搜索到的最优值来寻找全局最优。这种算法以其实现容易、精度高、收敛快等优点引起了学术界的重视，并且在解决实际问题中展示了其优越性。粒子群算法是一种并行算法。
2018-04-13
遗传算法与函数优化
遗传算法（Genetic Algorithm）是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法。遗传算法是从代表问题可能潜在的解集的一个种群（population）开始的，而一个种群则由经过基因（gene）编码的一定数目的个体(individual)组成。每个个体实际上是染色体(chromosome)带有特征的实体。染色体作为遗传物质的主要载体，即多个基因的集合，其内部表现（即基因型）是某种基因组合，它决定了个体的形状的外部表现，如黑头发的特征是由染色体中控制这一特征的某种基因组合决定的。
2018-04-09
NSGA-3matlab源程序
首先NSGA-III算法沿用了NSGA-II的框架，要弄懂NSGA-III，先要简略地了解NSGA-II,两种算法都是多目标进化算法，大致可以分为两步：第一步是非支配分层，第二步是从最后一个非支配层级中挑选个体进入子代。
2018-04-09
模拟退火算法及其在求解TSP中的应用
模拟退火算法（Simulate Anneal，SA）是一种通用概率演算法，用来在一个大的搜寻空间内找寻命题的最优解。模拟退火是由S.Kirkpatrick, C.D.Gelatt和M.P.Vecchi在1983年所发明的。V.Černý在1985年也独立发明此演算法。模拟退火算法是解决TSP问题的有效方法之一。
2018-04-09
布谷鸟搜索算法
布谷鸟搜索算法[CuckooSearch（CS）],也叫杜鹃搜索,是由剑桥大学Xin-SheYang(杨新社)教授和S.Deb于2009年提出的一种新兴启发算法CS算法通过模拟某些种属布谷鸟(CuckooSpecies)的寄生育雏(BroodParasitism)来有效地求解最优化问题的算法.同时，CS也采用相关的Levy飞行搜索机制。
2018-04-09
双种群遗传算法matlab源程序
《MATLAB智能算法30个案例分析》是作者多2年从事算法研究的经验总结。书中所有案例均因国内各大MATLAB技术论坛网友的切身需求而精心设计，其中不少案例所涉及的内容和求解方法在国内现已出版的MATLAB书籍中鲜有介绍。《MATLAB智能算法30个案例分析》采用案例形式，以智能算法为主线，讲解了遗传算法、免疫算法、退火算法、粒子群算法、鱼群算法、蚁群算法和神经网络算法等最常用的智能算法的MATLAB实现。《MATLAB智能算法30个案例分析》共给出30个案例，每个案例都是一个使用智能算法解决问题的具体实例，所有案例均由理论讲解、案例背景、MATLAB程序实现和扩展阅读四个部分组成，并配有完整的原创程序，使读者在掌握算法的同时更能快速提高使用算法求解实际问题的能力。《MATLAB智能算法30个案例分析》可作为本科毕业设计、研究生项目设计、博士低年级课题设计参考书籍，同时对广大科研人员也有很高的参考价值。
2018-04-09
数模竞赛中基本的MATLAB编程
全国大学生数学建模竞赛创办于1992年，每年一届，目前已成为全国高校规模最大的基础性学科竞赛，也是世界上规模最大的数学建模竞赛。2017年，来自全国34个省/市/区(包括香港、澳门和台湾)及新加坡和澳大利亚的1418所院校/校区、36375个队（本科33062队、专科3313队）、近11万名大学生报名参加本项竞赛。
2018-04-09
多目标粒子群算法matlab源程序
粒子群算法（启发式算法）的多目标优化，我也翻过一些这方面的论文。单目标与多目标优化主要区别在于多目标优化问题有多个目标函数,一个解对于某个目标来说可能是较好的,而对于其他目标来讲可能是较差的。因此，存在一个折衷解的集合，也就是所谓的Pareto集。教科书上，解决多目标优化问题的方法一般是，通过数学变换把多目标转换为单目标求解，但是实际问题中涉及到多目标优化问题往往具有非线性、不可微、不连续等特征，难以用数学方法搞定。而启发式算法则不需要这些严格条件，其实也是启发式算法兴起的原因。
2018-04-09
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人