计算智能
文章平均质量分 82
fengsigaoju
本科:南京邮电大学
座右铭:凤兮凤兮思高举!
展开
-
退火算法解决tsp问题
首先强烈推荐一篇博文http://www.cnblogs.com/heaad/archive/2010/12/20/1911614.html个人感觉退火算法明显比遗传算法理解简单,实现也更加方便.首先上公式:P(dE) = exp( dE/(kT) ) p(de)是指在当前的策略并不是那么优秀的情况下接受它的概率,所以de一定为负数,k是一个常数(本程序中取1),T为当前的温度原创 2016-03-01 20:20:00 · 2343 阅读 · 0 评论 -
关于2012年数学建模a题葡萄酒评价的分析
这道题目内容还是很丰富的,第一问两组品酒员评价结果有无显著性差异.这就好比概率论上给你两组分别来自正态总体,让你评价有无差异类似,但是很明显现在并无法确定这两组数据是正态分布的(事实上程序跑出来不是正态分布).这就用到成对数据检验概念,简单来说就是两组数据作差,可以认为是呈正态分布,然后 针对这题就是先求每一组对于不同酒的打分(组内取平均数即可),然后得到两组数据原创 2016-08-14 16:48:48 · 24736 阅读 · 0 评论 -
SVM的matlab代码及SVM的多分类的作法
SVM是常用的一种有监督的学习模型(即给你一些输入特征,告诉你这些特征的样本是属于A类,再给你一些输入特征,告诉你这些特征的样本是属于B类,现在再来一些数据,来判断它们是属于哪一类)。它与Kmeans的区别在于kmenas是无监督的学习模型,即kmeans不需要提前知道(训练),只要你把特征给我,我根据特征分就完事了.它与Knn的区别在于knn来一个就算一次(和集合内的其余点进行比较),而原创 2016-08-25 15:43:17 · 53207 阅读 · 35 评论 -
主成分分析的matlab代码
clc;clear all;A=xlsread('C:\Users\d e l l\Documents\MATLAB\problem four\problem two two.xls','C34:AF61');a=size(A,1);b=size(A,2);for i=1:b SA(:,i)=(A(:,i)-mean(A(:,i)))/std(A(:,i));%%%标准化处理e原创 2016-08-12 16:55:20 · 13994 阅读 · 6 评论 -
K-MEANS的研究及matlab代码
k-means的目的:将给出的n组数据分成k类(当然一般n>=k的),显然如果n==k那么结果最好应当就是k类里面每一个类是每一个点.注意几点:1,kmeans的k是必须已知的,也就是我必须预先知道分成几类 2,虽然你给定的是K类,但是我最终是有可能跑出来的类数小于初始设定的k,虽然每一个聚类中心都经过初始化,但是最终有的聚类中心可能会不包含一个点,那原创 2016-08-10 07:58:04 · 4202 阅读 · 1 评论 -
神经网络的matlab使用
首先明确几点:1,神经网络的用处是当我不知道自变量与因变量是什么联系才用的,如果已知是线性或二次可采用其他方式拟合. 2,神经网络相当于一个黑盒子,里面的运算过程是封闭的,也就是得不到关系式(事实上就算得到每个神经元的权值也需要再次逼近,没意义的)。神经网络的Python包可以采用pybrain,具体参看http://blog.csdn.ne原创 2016-08-16 17:36:05 · 4046 阅读 · 0 评论 -
最小二乘法(c语言实现线性,matlab进行拟合)及相关系数的求解
现在给定n个点,(x1,y1),(x2,y2),(x3,y3),(x4,y4),(x5,y5)..(xn,yn).现在希望得到一条最好的曲线(也就是求一个函数关系式~~)能尽可能的描述这n个点(不一定所有点都经过,但是总的拟合最小)现在探讨什么叫总的拟合误差最小:为了方便,我们考虑最简单的线性模型。 1,n∑(yi-f(xi)) i=1但是考虑到有些点在线原创 2016-03-31 13:01:26 · 32092 阅读 · 2 评论 -
MATLAB中数值拟合的种种办法
首先是大名鼎鼎的regressregress(Y,X,alpha)其中alpha可省略,省略时为0.05.简单来说,这里的y指的就是对应的函数值,注意是列向量(如果是行向量要转置),x是自变量的取值(每一列为一组),注意因为考虑常数项,所以要在原x前加上一列全为1举个简单的例子:m=[234 237 239 280 290]x=[3.13 3.15 3.18 3.19 3.原创 2016-04-08 23:55:06 · 5783 阅读 · 2 评论 -
遗传算法解决tsp问题
本文主要介绍遗传算法的一些基本思想,主要是代码思想方面的,并不用于考试....在我的资源中可以找到一份课件(并不是我们学校的,是老师给的,我们貌似并不开这门课)另外会在下一篇附上用遗传算法解决tsp问题的代码。遗传算法的思想其实和生物学有密切的联系(话说我高中选的是生物,已经忘光了哈),遗传算法相比与动态规划,贪心之类的算法,区别主要在于,贪心之类的一开始给出一种计算方式,而我们从已知条件原创 2016-02-29 00:04:25 · 4882 阅读 · 3 评论 -
遗传算法解决背包问题
//总体思想与之前的相似,评价函数就是物品的价值之和,但要注意一旦物品的重量大于背包的重量,那么该条染色体的幸存概率为0//基因就是每一个物品是否选择,这里默认有10条染色体在比较,并且每一条染色体上的第i个基因就是代表第i个物品是否选择//突变就是随机选择的染色体的随机位置由0变1,由1变0//另外建议把变异的概率调高点,否则有可能会陷入局部最优#include #includ原创 2016-02-29 23:10:28 · 7724 阅读 · 4 评论 -
电脑刚才崩了,赶紧先把东西传到CSDN
#include #include #include #include #include #include #include #define carnumber 10//小车数量#define cities 10//visio#define MAX 100//最大迭代次数#define pm 0.8//变异可能性#define pc 0.8//交配概率#define num原创 2016-03-11 16:53:42 · 440 阅读 · 0 评论 -
云模型及其运用
云模型是由中国工程院院士李德毅提出的,处理定性概念与定量描述的不确定转换模型。简单来说就是云就是一个种群,一个分布,而云滴就是其中的一个数据,一个具体的点,而这个点出现在这个分布中是有一定的概率的。云模型用3个数据来表示其特征:期望:Ex,云滴在空间分布的期望。熵:不确定性程度,用En表示超熵 :用来表示熵的不确定性,即熵的熵.云有两种发生器,即一种生成足够的云滴,另一种是原创 2016-04-04 22:53:34 · 18811 阅读 · 3 评论 -
蚁群算法解决tsp问题
控制蚁群算法走向的关键是信息素,信息素类似遗传算法的适应性函数,类似退火算法的评价函数,影响着其中一只蚂蚁的下一步的选择。蚂蚁:类似遗传算法的染色体,就是一条解,在tsp问题中蚂蚁的路径就是tsp的解。信息素:评价函数,与路径成反比蚂蚁数量:一次迭代有多少只蚂蚁在跑(注意不是一起跑,而是先后放上一只蚂蚁)迭代次数T:所有蚂蚁跑完视为一次迭代周期。程序流程:1,随机生原创 2016-03-20 22:45:33 · 11285 阅读 · 4 评论 -
元胞自动机及生命游戏
数模美赛里面用到元胞自动机比较多,这两天主要下研究这个。何谓自动机,说白了就是给定输入状态和前一个状态和下一个状态的转移方式,然后程序自己跑。所以运用元胞自动机的生命游戏就是一个无玩家游戏,也就是不需要人工介入,自己跑的游戏。元胞就类似遗传算法里的基因,也就是一个特性(一个人,一辆车),它受上下左右四个状态影响(或者加上左上左下,右上右下)首先介绍一下生命游戏:每一个各自有原创 2017-01-15 11:51:51 · 4643 阅读 · 3 评论