说明：拟牛顿法和最速下降法(Steepest Descent Methods)一样只要求每一步迭代时知道目标函数的梯度。通过测量梯度的变化，构造一个目标函数的模型使之足以产生超线性收敛性。这类方法大大优于最速下降法，尤其对于困难的问题。另外，因为拟牛顿法不需要二阶导数的信息，所以有时比牛顿法(Newton...

拟牛顿迭代法 无约束优化 拟牛顿法 导数约束 优化 s函数

说明：多用户正交频分复用 （亩 OFDM） 是一种有前途的技术实现高下行链路能力在未来的移动电话和无线局域网系统。总和能力木 ofdm 技术是最大化每个子信道分配给用户提供最好的渠道噪时那子载波与功率随后分发由充水的比率。然而，公平用户之间一般不能实现这项计划。在本文中，我们订下的一套比例公平约束，以保证...

matlab ofdm 系统 用户 适应 约束 税率 比例 资源分配

说明：应用背景在电脑里科学，粒子群优化（粒子群算法）是一种计算方法，通过反复地尝试提高候选人的问题来优化问题关于一个给定的解决方案质量测量。粒子群优化算法的一个问题，有一个人口的候选人解决方案，在这里被称为粒子，并根据简单的数学公式在粒子的位置和速度移动这些粒子周围的搜索空间。每个粒子的运动受其局部的影响...

matlab 算法 代码 实现 优化 粒子

说明：共轭梯度法（Conjugate Gradient）是介于最速下降法与牛顿法之间的一个方法，它仅需利用一阶导数信息，但克服了最速下降法收敛慢的缺点，又避免了牛顿法需要存储和计算Hesse矩阵并求逆的缺点，共轭梯度法不仅是解决大型线性方程组最有用的方法之一，也是解大型非线性最优化最有效的算法之一。 在各...

newton-step 矩阵求逆 gradient-in-matrix 解方程组

说明：装箱问题 在装箱问题，对象不同的卷必须挤进有限数量的桶或容器每个的第五卷中将使用的回收箱的数目降至最低的方式。在计算复杂性理论，它是一个组合的 NP 难问题。 还有很多变化的这个问题，如 2D 包装、 线性包装，包装的重量、 包装成本，等等。他们有许多应用程序，例如填满的容器，载货汽车与重量的...

matlab

说明：k-均值聚类是一种矢量量化，最初从信号处理，这是流行的数据挖掘中的聚类分析的方法。k-均值聚类分区 n 个观测到 k 集群每个观察值属于最近均值集群目标，作为该群集的一个原型。这会导致 Voronoi 单元格数据空间的划分。问题是计算困难 （np） ；然而，有高效的启发式算法，并普遍采用和快速收敛到...

matlab 算法 均值

说明：梯度下降是迭代法的一种,可以用于求解最小二乘问题(线性和非线性都可以)。在求解机器学习算法的模型参数，即无约束优化问题时，梯度下降（Gradient Descent）是最常采用的方法之一，另一种常用的方法是最小二乘法。在求解损失函数的最小值时，可以通过梯度下降法来一步步的迭代求解，得到最小化的损失函...

说明：共轭梯度法（Conjugate Gradient）是介于最速下降法与牛顿法之间的一个方法，它仅需利用一阶导数信息，但克服了最速下降法收敛慢的缺点，又避免了牛顿法需要存储和计算Hesse矩阵并求逆的缺点，共轭梯度法不仅是解决大型线性方程组最有用的方法之一，也是解大型非线性最优化最有效的算法之一。 在各...

非线性方程组 矩阵求逆 idealfo 最优控制 newton-step

说明：不同噪声强度的加噪图像，用粒子群优化算法优化结构元素，找到最优结构元素，对图像进行去噪操作，使恢复的图像达到最大峰值信噪比

结构元素 PSO 粒子群-图 pso-noising 粒子-图像

说明：利用神经网络解决组合优化问题是神经网络应用的一个重要方面。所谓组合优化问题，就是在给定约束条件下，使目标函数极小（或极大）的变量组合问题。将Hopfield网络应用于求解组合优化问题，把目标函数转化为网络的能量函数，把问题的变量对应到网络的状态，这样，当网络的能量函数收敛于极小值时，问题的最优解也随...

matlab 神经网络 hopfield 优化 计算 问题 连续 旅行