通用模拟退火优化算法的 Julia 代码_该代码可以找到连续变量的多模态函数的全局最大值(或最小值)_julia_代码_下载

上传者: 38334677 | 上传时间: 2022-06-10 09:06:35 | 文件大小: 48KB | 文件类型: ZIP
通用模拟退火优化算法的 Julia 代码。该代码可以找到连续变量的多模态函数的全局最大值(或最小值)。 使用‘模拟退火’算法最小化连续变量的多模态函数,本文的勘误表可在此处获得 该代码是通用的,可以应用于具有任意数量参数的优化问题。优化参数的个数称为优化空间的维度(代码中用变量“D”表示)。要使用代码,必须定义优化空间的维度和边界 算法最大化函数fitness.jl。存储库中存在的 Fitness.jl 文件中实现了一组基准函数。用户可以使用他/她自己的健身功能。适应度函数的输出需要是单个标量值。对于自定义适应度函数,主优化代码中只需要很少的调整。只有维度 (D) 和边界(数组 bL 和 bU)必须根据适应度函数进行调整。代码应该可以正常工作,无需任何进一步的修改。 优化算法的行为由代码中的以下参数决定: gmax = 1000; # Maximum number of generations (max iteration number) Ns = 20; # tests for step variation NT

文件下载

资源详情

[{"title":"( 7 个子文件 48KB ) 通用模拟退火优化算法的 Julia 代码_该代码可以找到连续变量的多模态函数的全局最大值(或最小值)_julia_代码_下载","children":[{"title":"Simulated-Annealing-Optimization-Algorithm-master","children":[{"title":".gitignore <span style='color:#111;'> 42B </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 3.77KB </span>","children":null,"spread":false},{"title":"LICENSE <span style='color:#111;'> 1.05KB </span>","children":null,"spread":false},{"title":"Simulated Annealing code","children":[{"title":"progress_bar.jl <span style='color:#111;'> 1.30KB </span>","children":null,"spread":false},{"title":"Simulated_Annealing_Optimization.ipynb <span style='color:#111;'> 28.60KB </span>","children":null,"spread":false},{"title":".ipynb_checkpoints","children":[{"title":"Simulated_Annealing_Optimization-checkpoint.ipynb <span style='color:#111;'> 40.51KB </span>","children":null,"spread":false}],"spread":true},{"title":"fitness.jl <span style='color:#111;'> 1.52KB </span>","children":null,"spread":false}],"spread":true}],"spread":true}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明