企业官网建设流程全解析

js企业网站模板,wordpress 自动超链接,现代教育网站开发项目的研究,做淘客网站注意事项牛刀小试系列-案例1#xff1a;利用“智能优化算法炼丹炉” 设计改进算法#xff0c;并应用于TSP问题求解 文章目录牛刀小试系列-案例1#xff1a;利用“智能优化算法炼丹炉” 设计改进算法#xff0c;并应用于TSP问题求解1.TSP问题数据2.TSP问题3.算法设计4.实验对比4.1 实…牛刀小试系列-案例1利用“智能优化算法炼丹炉” 设计改进算法并应用于TSP问题求解文章目录牛刀小试系列-案例1利用“智能优化算法炼丹炉” 设计改进算法并应用于TSP问题求解1.TSP问题数据2.TSP问题3.算法设计4.实验对比4.1 实验14.2 涨点实验5.结语摘要利用“ 智能优化算法炼丹炉.exe” 设计一种改进算法要求多次TSP问题求解的路径长度均小于海鸥算法TSP求解。1.TSP问题数据TSP坐标数据点如下x np.array([5,43,46,94,62,45,82,31,20,91]) # x坐标 y np.array([18,51,40,31,34,19,22,8,99,57]) # y坐标2.TSP问题现有对TSP问题的标准描述为已知有城市数量为一位旅行商人从其中的某一个城市出发途中需要经过所有的城市但经过的次数有且仅有一次最后再回到出发的城市怎样规划路线才能使旅行商所走的路线最短。设城市集合为V v 1 , v 2 , . . . , v A V {v_1,v_2,...,v_A}Vv1​,v2​,...,vA​对城市的访问顺序为T t 1 , t 2 , . . . , t A T{t_1,t_2,...,t_A}Tt1​,t2​,...,tA​,其中t i V ( i 1 , . . . , A ) t_i V(i 1,...,A)ti​V(i1,...,A)而且t i 1 t 1 t_{i1} t_1ti1​t1​,则问题的目标函数如下f m i n ∑ i 1 A d t i t i 1 (1) f min\sum_{i1}^{A}d_{t_it_{i1}} \tag{1}fmini1∑A​dti​ti1​​(1)意为目标函数的最优值为所有途径城市之间的路径和最短。3.算法设计根据个人经验改进算法以粒子群算法打底引入种群变异Iterative混沌映射简单改进应该就可以取得不错的结果。打开“智能优化算法炼丹炉v1.1”,选择策略生成改进算法MyOptAlgFunc.py4.实验对比本文将改进的优化算法与海鸥算法TSP进行对比实验参数设置如下# 优化算法参数设置 pop 30 # 种群数量 MaxIter 100 # 最大迭代次数 dim N # 维度 lb 0*np.ones(dim) # 下边界 ub N*np.ones(dim) # 上边界 fobj fun种群数量30最大迭代次数100.4.1 实验1实验采用多次实验本文设置20次统计算法结果主要指标包括算法平均路径长度路径标准差衡量多次实验各结果的离散程度标准差越小算法越稳定多次实验最优路径长度多次实验最差路径长度从结果来看改进算法明显优于海鸥算法结果4.2 涨点实验虽然PSOIterative已经取得了不错的结果还有改进的空间简单再增加一个只对最优位置的Levy改进相信可以得到更好的结果。还是打开“智能优化算法炼丹v1.1.exe” 阶段6选择Lvey飞行策略将生成的代码与海鸥算法求解TSP问题进行求解实验结果如下从结果来看改进策略是有效的。5.结语上述案例只是一个简单的改进相信还有更好的融合改进策略大家可以通过“智能优化算法炼丹炉v1.1” 针对自己的应用发现更多的改进方法。希望该工具能帮助大家快速实现自己的实验