- 1、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。。
- 2、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
- 3、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
优化问题的新算法罗页在解决科学问题时我们常常需要求解最大或最小值问题即最优化问题目前解决最优化问题的方法主要有两大类决定性方法和随机性方法决定性方法虽然很快但是很容易陷入局域极值从而无法遍历整个相空间得到全局最小随机性方法却恰恰相反虽然不易陷入局域极值可是它不能在有限时间内保证找到全局最小值在本文解决问题中同时用到了随机性方法模拟退火方法和决定性方法共轭梯度法从而得到了比较好的全局最值模拟退火算法原理模拟退火的基本思想来源于固体退火过程中这里面的物理图像很明晰在固体从液体或气体开始冷却时院子的热
优化问题的新算法
罗页
在解决科学问题时,我们常常需要求解最大或最小值问题,即最优化问题。目前解决最
优化问题的方法主要有两大类:决定性方法和随机性方法。决定性方法虽然很快,但是很容
易陷入局域极值,从而无法遍历整个相空间得到全局最小。随机性方法却恰恰相反,虽然不
易陷入局域极值,可是它不能在有限时间内保证找到全局最小值。在本文解决Thomson问
题中,同时用到了随机性方法——模拟退火方法和决定性方法——共轭梯度法,从而得到了
比较好的全局最值
文档评论(0)