题意：判断简单多边形内是否可以放一个半径为R的圆思路：如果这个多边形是正多边形，令r(x,y)为圆心在(x,y)处多边形内最大圆的半径，不难发现，f(x,y)越靠近正多边形的中心，r越大，所以可以利用模拟退火法来逼近最优点。对于一般的多边形，由于可能存在多个这样的"局部最优点"，所以可以选不同的点作...
分类：
其他好文 时间：
2015-09-13 07:01:50
阅读次数：
214
源：爬山算法和模拟退火算法简介一. 爬山算法 ( Hill Climbing ) 介绍模拟退火前，先介绍爬山算法。爬山算法是一种简单的贪心搜索算法，该算法每次从当前解的临近解空间中选择一个最优解作为当前解，直到达到一个局部最优解。 爬山算法实现很简单，其主要缺点是会陷入局部最优解，而不一定能搜索到全...
分类：
编程语言 时间：
2015-09-11 12:13:16
阅读次数：
189
题目：在矩形中有若干个点，求一个点使得所有点到该点的最小距离最大。思路：这个是2008年顾研论文上的例题，可以比较简单地用模拟退火算法求解。所谓模拟退火就是先随机出若干个点，然后以某一特定步长尝试周围的解，而后逐渐缩小步长，知道步长小于特定值，跳出。这个算法虽然简单易行，但是其正确性并不是非常有保障...
分类：
其他好文 时间：
2015-09-10 12:52:38
阅读次数：
245
bzoj3680 吊打XXX题目大意：给定一些绳子和绳子上的重量，求出最后绳结的坐标。思路：这个位置就是广义费马点，就是所有点到这个点的距离*每个点的权值最小的点。模拟退火，各种调常数。#include#include#include#include#include#include#define m...
分类：
编程语言 时间：
2015-09-03 17:58:01
阅读次数：
275
前几天写了个模拟退火算法的程序，然后又陆陆续续看了很多群智能算法，发现很多旅行商问题都采用蚁群算法来求解，于是开始写蚁群算法的模板。网上关于蚁群算法的理论很多就不再这里赘述了，下面直接上代码和进行简单的比较。 c代码：1 #ifndef _CITY_H2 #define _CITY_H3 stru....
分类：
编程语言 时间：
2015-08-21 15:21:15
阅读次数：
443
前几天在做孔群加工问题，各种假设到最后就是求解旅行商问题了，因为原本就有matlab代码模板所以当时就改了城市坐标直接用了，发现运行速度惨不忍睹，最后用上了两个队友的电脑一起跑。这次模拟结束后在想用c语言来实现的话应该可以提高不少效率。关于模拟退火和旅行商问题的介绍我就不赘述了，网上各路大神说的都....
分类：
编程语言 时间：
2015-08-19 00:10:08
阅读次数：
251
一、引言
在机器学习以及优化组合问题中，最常用的方法就是梯度下降法。比如BP神经网络，多层感知器的神经元(units)越多，对应的权矩阵也就越大，每个权可视为一个自由度或者变量。我们知道自由度越高，变量越多，模型越复杂，模型的能力越强。但是模型能力越强，模型就越容易过拟合，对噪声太敏感。另一方面，使用梯度下降进行最优解搜寻时，多变量的误差曲面很像是连绵起伏的山峰一样，变量越多，山峰和山谷也越多，...
分类：
其他好文 时间：
2015-08-10 12:02:38
阅读次数：
261
一、引言
在机器学习以及优化组合问题中，最常用的方法就是梯度下降法。比如BP神经网络，多层感知器的神经元(units)越多，对应的权矩阵也就越大，每个权可视为一个自由度或者变量。我们知道自由度越高，变量越多，模型越复杂，模型的能力越强。但是模型能力越强，模型就越容易过拟合，对噪声太敏感。另一方面，使用梯度下降进行最优解搜寻时，多变量的误差曲面很像是连绵起伏的山峰一样，变量越多，山峰和山谷...
分类：
其他好文 时间：
2015-08-08 10:31:01
阅读次数：
270
优化算法入门系列文章目录（更新中）： 1.模拟退火算法 2.遗传算法一. 爬山算法 ( Hill Climbing ) 介绍模拟退火前，先介绍爬山算法。爬山算法是一种简单的贪心搜索算法，该算法每次从当前解的临近解空间中选择一个最优解作为当前解，直到达到一个局部最优解。 爬山算法实现很简单，其主要.....
分类：
编程语言 时间：
2015-08-07 23:37:09
阅读次数：
234
模拟退火算法源于模拟退火的原理。〇、模拟退火的历史 1953年，Metropolis提出重要性采样法，即以概率接受新状态，称Metropolis准则，计算量相对Monte Carlo方法显著减少。 1983年，Kirkpatrick等提出模拟退火算法，并将其应用于组合优化问题的求解。一...
分类：
编程语言 时间：
2015-08-02 18:08:33
阅读次数：
150
