matlab的模拟退火工具箱怎么打开
kuaidi.ping-jia.net 作者：佚名 更新日期：2024-09-11
Matlab有模拟退火算法的工具箱吗
matlab怎么模拟oseen涡
答：见过在网上有用matlab模拟退火过程的源代码。其实，如果你了解了分子动力学的原理，就知道该怎样用了。一样，无论是matlab还是c还是fortran，都是在用一种语言描述一种行为而已。
matlab用模拟退火法求函数f(x,y)=sin(xy)+x^2+y^2的最小值。
答：能解释一下为什么要用模拟退火法吗？这个函数的最小值直接观察就能看出来在x=y=0处，或者用fminunc也可以求解：x=fminunc(@(x)sin(x(1)*x(2))+x(1)^2+x(2)^2,[0 0])当然，用模拟退火算法也很简单，换一下函数即可：x=simulannealbnd(@(x)sin(x(1)*x(2))+x(1)^2+x(2)^2,...
请教一份“遗传模拟退火算法优化BP神经网络权值阈值的MATLAB程序”
答：把这一行的若干参数，比如0.09抽象出来，写成一个新的函数，再调用退火算法，求解这个参数的最优值。
matlab全局优化与局部优化
答：在实际的工作和生活过程中，优化问题无处不在，比如资源如何分配效益最高，拟合问题，最小最大值问题等等。优化问题一般分为局部最优和全局最优，局部最优，就是在函数值空间的一个有限区域内寻找最小值；而全局最优，是在函数值空间整个区域寻找最小值问题。matlab中的提供的传统优化工具箱（...
matlab运行2124个数据用模拟退火法大概要多久啊,a=0.99
答：据我所知，经典模拟退火法的运行时间与你的数据长度关系似乎不是很大。影响最大的应该还是初始温度，终止温度的设置，以及退火关系式。这三个参数一定，你的搜索次数也就定了，它是采用了随机搜索的思想，所以序列长度对计算速度应该影响甚微。建议你还是检查一下程序吧，虽然正确性可能没问题，但是可能还...
请问一下遗传算法,模拟退火算法和遗传模拟退火算法的区别,最好能有根据...
答：遗传算法是种群择优，模拟退火是择优降火，里头的差别不大，就是生成新链，然后计算适应度什么的。这两种优化算法都能解决TSP问题，源代码没有，不过matlab有工具箱可以实现吧，你再找找。
遗传算法、数值算法、爬山算法、模拟退火 各自的优缺点
答：遗传算法：其优点是能很好地处理约束，跳出局部最优，最终得到全局最优解。缺点是收敛速度慢，局部搜索能力弱，运行时间长，容易受到参数的影响。模拟退火：具有局部搜索能力强、运行时间短的优点。缺点是全局搜索能力差，容易受到参数的影响。爬山算法：显然爬山算法简单、效率高，但在处理多约束大规模问题时...
学习matlab需要多长时间学好?每天要花多长时间?
答：其中，最重要的学好MATLAB优化工具箱，肯定对你建模很有用，其次，简单的数值分析要会点，如矩阵运算，简单的拟合，非线性拟合，统计工具箱，如果你想继续提高，可以好好研究MATLAB 中遗传算法工具箱，模拟退火工具箱，学会调用这函数。我认为如果建模时你时负责编程的话，你学习MATLAB起码得一个月吧(当然...
matlab在数学建模中都会用到哪些东西。。
答：数学建模中，用的比较多的是算法，像模拟退火、遗传算法、神经网络算法等等，当然还有很重要的一方面，一些模拟仿真也需要使用matlab，matlab博大精深，如果仅仅是为了数学建模，那么了解一些简单的算法，能够编一些简单的仿真，都是可以的。
请问你对模拟退火算法熟悉吗?
答：不知道你又没有打算在比赛里面充当编程员角色。如果你主要想担任模型构建的任务的话，建议你看数学建模的书，就是那些有解释很多数学模型的书，你们学校里面图书馆按理说应该会有。还有就是了解多一点不同的数学方法，最好是数学建模里面常用到的那些，还有一些比较新的也可以了解下（比如说模拟退火法，...
其实原理很简单，就是一种概率性的搜索算法，只是一个小程序，所以可以自己编写，我目前就是用自己编写的。目前我认为几个关键点就是退火温降一定要缓慢，也就是迭代次数尽量多，所以在温度变化函数里面的参数要设置可能。另外，同温条件下可以多寻找一些新生个体。最后，发挥matlab的并行运算功能，也就是对退火算法进行群体优化，这样，相对于单一个体来讲，具有更强大的全局搜索能力。你可以看下陈华根发表的《模拟退火算法机理研究》
从提示看，目标函数写法不正确，一、变量x1,x2,等等，要写成：x(1),x(2),....
二、初始值个数，要与变量数相同，有几个x(1),x(2),...,x(5),就要有几个，如5个初始值，而你只写2个，就不对了。
1、在命令窗口中输入，
>> optimtool %打开模拟退火工具箱
2、在solver选择框中，选择simulannealbnd
3、在目标函数栏输入@simple
4、在初值栏输入[0.5 0.5]
5、在Lower栏输入[-64 -64]，Upper栏输入[64 64]
6、点击start，运行
7、结果如下
答：见过在网上有用matlab模拟退火过程的源代码。其实，如果你了解了分子动力学的原理，就知道该怎样用了。一样，无论是matlab还是c还是fortran，都是在用一种语言描述一种行为而已。
答：能解释一下为什么要用模拟退火法吗？这个函数的最小值直接观察就能看出来在x=y=0处，或者用fminunc也可以求解：x=fminunc(@(x)sin(x(1)*x(2))+x(1)^2+x(2)^2,[0 0])当然，用模拟退火算法也很简单，换一下函数即可：x=simulannealbnd(@(x)sin(x(1)*x(2))+x(1)^2+x(2)^2,...
答：把这一行的若干参数，比如0.09抽象出来，写成一个新的函数，再调用退火算法，求解这个参数的最优值。
答：在实际的工作和生活过程中，优化问题无处不在，比如资源如何分配效益最高，拟合问题，最小最大值问题等等。优化问题一般分为局部最优和全局最优，局部最优，就是在函数值空间的一个有限区域内寻找最小值；而全局最优，是在函数值空间整个区域寻找最小值问题。matlab中的提供的传统优化工具箱（...
答：据我所知，经典模拟退火法的运行时间与你的数据长度关系似乎不是很大。影响最大的应该还是初始温度，终止温度的设置，以及退火关系式。这三个参数一定，你的搜索次数也就定了，它是采用了随机搜索的思想，所以序列长度对计算速度应该影响甚微。建议你还是检查一下程序吧，虽然正确性可能没问题，但是可能还...
答：遗传算法是种群择优，模拟退火是择优降火，里头的差别不大，就是生成新链，然后计算适应度什么的。这两种优化算法都能解决TSP问题，源代码没有，不过matlab有工具箱可以实现吧，你再找找。
答：遗传算法：其优点是能很好地处理约束，跳出局部最优，最终得到全局最优解。缺点是收敛速度慢，局部搜索能力弱，运行时间长，容易受到参数的影响。模拟退火：具有局部搜索能力强、运行时间短的优点。缺点是全局搜索能力差，容易受到参数的影响。爬山算法：显然爬山算法简单、效率高，但在处理多约束大规模问题时...
答：其中，最重要的学好MATLAB优化工具箱，肯定对你建模很有用，其次，简单的数值分析要会点，如矩阵运算，简单的拟合，非线性拟合，统计工具箱，如果你想继续提高，可以好好研究MATLAB 中遗传算法工具箱，模拟退火工具箱，学会调用这函数。我认为如果建模时你时负责编程的话，你学习MATLAB起码得一个月吧(当然...
答：数学建模中，用的比较多的是算法，像模拟退火、遗传算法、神经网络算法等等，当然还有很重要的一方面，一些模拟仿真也需要使用matlab，matlab博大精深，如果仅仅是为了数学建模，那么了解一些简单的算法，能够编一些简单的仿真，都是可以的。
答：不知道你又没有打算在比赛里面充当编程员角色。如果你主要想担任模型构建的任务的话，建议你看数学建模的书，就是那些有解释很多数学模型的书，你们学校里面图书馆按理说应该会有。还有就是了解多一点不同的数学方法，最好是数学建模里面常用到的那些，还有一些比较新的也可以了解下（比如说模拟退火法，...
