<?xml version="1.0" encoding="UTF-8" ?>
<rss version="2.0">
<channel>
<title><![CDATA[大招牌BLOG]]></title> 
<link>http://diy.9-home.com/index.php</link> 
<description><![CDATA[共享与交流]]></description> 
<language>zh-cn</language> 
<copyright><![CDATA[大招牌BLOG]]></copyright>
<item>
<link>http://diy.9-home.com/read.php/265.htm</link>
<title><![CDATA[遗传算法程序设计探讨]]></title> 
<author>Kookdragon &lt;master@dazhaopai.com&gt;</author>
<category><![CDATA[算法分析]]></category>
<pubDate>Sat, 02 Jan 2010 12:51:56 +0000</pubDate> 
<guid>http://diy.9-home.com/read.php/265.htm</guid> 
<description>
<![CDATA[ 
	<div id="adsense" style="display: none"><span style="float: right"></span></div>摘 要　本文通过对基本遗传算法添加初始化启发信息、改进交叉算子和利用本身所固有的并行性构架粗粒度并行遗传算法等方法提高了遗传算法的收敛性及其寻优能力。 关键词 遗传算法；TSP；交叉算子 1 引言 遗传算法是模拟生物在自然环境中的遗传和进化过程而形成的一种自适应全局优化概率搜索算法。总的说来，遗传算法是按不依赖于问题本身的方式去求解问题。它的目标是搜索这个多维、高度非线性空间以找到具有最优适应值(即最小费用的)的点[1]。 基本遗传算法是一个迭代过程，它模仿生物在自然环境中的遗传和进化机理，反复将选择算子、交叉算子和变异算子作用于种群，最终可得到问题的最优解和近似最优解。<br/>............<br/>
]]>
</description>
</item><item>
<link>http://diy.9-home.com/read.php/262.htm</link>
<title><![CDATA[遗传算法]]></title> 
<author>Kookdragon &lt;master@dazhaopai.com&gt;</author>
<category><![CDATA[算法分析]]></category>
<pubDate>Fri, 18 Dec 2009 05:07:49 +0000</pubDate> 
<guid>http://diy.9-home.com/read.php/262.htm</guid> 
<description>
<![CDATA[ 
	<div id="adsense" style="display: none"><span style="float: right"></span></div>遗传算法定义　　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，它最初由美国Michigan大学J.Holland教授于1975年首先提出来的，并出版了颇有影响的专著《Adaptation in Natural and Artificial Systems》，GA这个名称才逐渐为人所知，J.Holland教授所提出的GA通常为简单遗传算法（SGA）。<br/>............<br/>
]]>
</description>
</item><item>
<link>http://diy.9-home.com/read.php/261.htm</link>
<title><![CDATA[蚂蚁算法]]></title> 
<author>Kookdragon &lt;master@dazhaopai.com&gt;</author>
<category><![CDATA[算法分析]]></category>
<pubDate>Thu, 17 Dec 2009 11:49:53 +0000</pubDate> 
<guid>http://diy.9-home.com/read.php/261.htm</guid> 
<description>
<![CDATA[ 
	<div id="adsense" style="display: none"><span style="float: right"></span></div>蚁群算法(ant colony optimization, ACO)，又称蚂蚁算法，是一种用来在图中寻找优化路径的机率型技术。它由Marco Dorigo于1992年在他的博士论文中引入，其灵感来源于蚂蚁在寻找食物过程中发现路径的行为。　　为什么小小的蚂蚁能够找到食物？他们具有智能么？设想，如果我们要为蚂蚁设计一个人工智能的程序，那么这个程序要多么复杂呢？首先，你要让蚂蚁能够避开障碍物，就必须根据适当的地形给它编进指令让他们能够巧妙的避开障碍物，其次，要让蚂蚁找到食物，就需要让他们遍历空间上的所有点；再次，如果要让蚂蚁找到最短的路径，那么需要计算所有可能的路径并且比较它们的大小，而且更重要的是，你要小心翼翼的编程，因为程序的错误也许会让你前功尽弃。这是多么不可思议的程序！太复杂了，恐怕没人能够完成这样繁琐冗余的程序。　　然而，事实并没有你想得那么复杂，上面这个程序每个蚂蚁的核心程序编码不过100多行！为什么这么简单的程序会让蚂蚁干这样复杂的事情？答案是：简单规则的涌现。事实上，每只蚂蚁并不是像我们想象的需要知道整个世界的信息，他们其实只关心很小范围内的眼前信息，而且根据这些局部信息利用几条简单的规则进行决策，这样，在蚁群这个集体里，复杂性的行为就会凸现出来。这就是人工生命、复杂性科学解释的规律！那么，这些简单规则是什么呢？下面详细说明：<br/>............<br/>
]]>
</description>
</item><item>
<link>http://diy.9-home.com/read.php/260.htm</link>
<title><![CDATA[退火算法]]></title> 
<author>Kookdragon &lt;master@dazhaopai.com&gt;</author>
<category><![CDATA[算法分析]]></category>
<pubDate>Thu, 17 Dec 2009 11:47:48 +0000</pubDate> 
<guid>http://diy.9-home.com/read.php/260.htm</guid> 
<description>
<![CDATA[ 
	<div id="adsense" style="display: none"><span style="float: right"></span></div>imulate Anneal Arithmetic (SAA,模拟退火算法)　　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。 　　模拟退火算法起源于物理退火。　　<br/>............<br/>
]]>
</description>
</item><item>
<link>http://diy.9-home.com/read.php/259.htm</link>
<title><![CDATA[背包问题]]></title> 
<author>Kookdragon &lt;master@dazhaopai.com&gt;</author>
<category><![CDATA[算法分析]]></category>
<pubDate>Thu, 17 Dec 2009 11:42:02 +0000</pubDate> 
<guid>http://diy.9-home.com/read.php/259.htm</guid> 
<description>
<![CDATA[ 
	<div id="adsense" style="display: none"><span style="float: right"></span></div>　它是在1978年由Merkel和Hellman提出的。它的主要思路是假定某人拥有大量物品，重量各不同。此人通过秘密地选择一部分物品并将它们放到背包中来加密消息。背包中的物品中重量是公开的，所有可能的物品也是公开的，但背包中的物品是保密的。附加一定的限制条件，给出重量，而要列出可能的物品，在计算上是不可实现的。背包问题是熟知的不可计算问题，背包体制以其加密，解密速度快而其人注目。但是，大多数一次背包体制均被破译了，因此现在很少有人使用它。　　DD牛的背包九讲 　　P01: 01背包问题 　　题目 　　有N件物品和一个容量为V的背包。第i件物品的费用是c，价值是w。求解将哪些物品装入背包可使这些物品的费用总和不超过背包容量，且价值总和最大。 <br/>............<br/>
]]>
</description>
</item>
</channel>
</rss>