遗传算法模拟流体

1. 模拟退火和遗传算法都可以解决什么问题啊

模拟退火算法和遗传算法，包括禁忌搜索算法，蚁群算法等都可以用来版求解优化问题。权这些算法的一个特点是虽然对于一些复杂问题，比如说DP难题，可能不好找到最优解（理论上找到最优解是可以的），但是可以以较高的效率找到满意解。
查看原帖>>

2. 什么叫遗传算法，遗传算法有什么用希望通俗一点儿

首先有个很神奇的现象：人类以及动物的进化都是朝着好的方向发展，虽然有的往坏的方向发展了，但是总体肯定是往好的方向发展。这看似不奇怪，但是我们知道，人类的基因组合是随机的，没有上帝约束。这种随机过程的结果却是一致的！！！！！我们的遗传算法就是从这里得到启发！比如我要求y=x1+x2的最大值，两个变量，我不用传统的数学方法，就用幼儿园的方法，把所有可能取值带进去算，然后找出最大的就行了！但是，有时候取值是连续的，没关系！使其离散化，就像把模拟信号化成数字信号一样！还有个问题，如果取值太多咋办？这就是遗传算法的精髓！
首先，我不用取所有可能取值，我只取几十个或者几百个（自己定），然后进行处理，怎样处理呢？让我们回到刚开始的人类进化问题，虽然没有上帝的帮忙，但是我们知道，自然界遵循优胜劣汰的发贼，遵循交叉变异的法则，虽然不能数字化，但是这是个趋势！我们就是把这种法则数学化！所取的几十个值我要剩下哪些？要抛弃哪些？要处理哪些？这都要我们自己选择，肯定是选择最合适的取值留下，经过一系列的处理，就生成了新的群体，然后再处理，自己约定处理到第几次就可以了，取出现过的最大值
不用担心取到的是不是最大值，因为数学上已经有了证明，这种方法是收敛的，概率是1，所以尽管放心的做，具体的做法要参考相关书籍，不难的。
遗传算法的最大用处就是解决数学理论不能解决的问题！比如路径规划，调度问题……

3. 遗传算法的模拟 数据结构题目

这里有你要的资料：

C#实现遗传算法 模拟花朵的进化
http://hi..com/kkkkyue/blog/item/b2eef12451d334378644f921.html
遗传算法程序
http://hi..com/tkboy/blog/item/fb1aa31e5274b91e4034175e.html

int main(int argc,char *argv[]) /* 主程序 */
{
struct indivial *temp;
// FILE *fopen();
void title();
char *malloc();
/* if((outfp = fopen(argv[1],"w")) == NULL)
{
printf("Cannot open output file %s\n",argv[1]);
exit(-1);
}*/

title();
printf("输入遗传算法执行次数(1-5):");
scanf("%d",&maxruns);
for(run=1; run<=maxruns; run++)
{
initialize();
for(gen=0; gen<maxgen; gen++)
{
printf("\n第 %d / %d 次运行: 当前代为 %d, 共 %d 代\n", run,maxruns,gen,maxgen);
/* 产生新一代 */
generation();
/* 计算新一代种群的适应度统计数据 */
statistics(newpop);
/* 输出新一代统计数据 */
report();
temp = oldpop;
oldpop = newpop;
newpop = temp;
}
freeall();
}
}

4. Java 编程模拟遗传算法（Genetic Algorithm, GA）：通过交叉变换得出孩子的染色体

大哥你确定5分能搞到java模拟遗传算法？
你搞到了别忘了给我来一份 [email protected] 膜拜。

5. 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，最好能有根据同一个数学问题的matalb程序源代

遗传算法全局优化能力较强，模拟退火算法局部优化能力较强，这是两者的最大区别。遗传模拟退火算法是两者的混合算法，综合了两者的优点。参考资料中是改进遗传算法解决TSP问题的matlab代码。

一时半会应该是搞不清楚的，你可以买一本智能优化算法的书来看，详细了解一下遗传算法和模拟退火算法的原理。

6. 遗传算法、数值算法、爬山算法、模拟退火 各自的优缺点

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，往往不能得到较好的解决方案。

数值算法：这个数值算法的含义太宽泛了，指的是哪种数值算法，阵列算法与爬山算法一样，各有优缺点。

(6)遗传算法模拟流体扩展阅读：

注意事项：

遗传算法的机制比较复杂，在Matlab中已经用工具箱中的命令进行了打包，通过调用可以非常方便的使用遗传算法。

函数GA：［x，Fval，reason］＝GA（＠fitnessfun，Nvars，options）x为最优解，Fval为最优值，＠Fitnessness为目标函数，Nvars为自变量个数，options为其他属性设置。系统的默认值是最小值，所以函数文档中应该加上一个减号。

要设置选项，您需要以下函数：options＝GaOptimset（＇PropertyName1＇，＇PropertyValue1＇，＇PropertyName2＇，＇PropertyName3＇，＇PropertyValue3＇…）通过该函数，可以确定一些遗传算法的参数。

7. 比较模拟退火算法和遗传算法相同点和不同点

模拟退火的话进化是由参数问题t控制的，然后通过一定的操作产生新的解，根据当前解的优劣和温度参数t确定是否接受当前的新解。
遗传算法主要由选择，交叉，变异等操作组成，通过种群进行进化。
主要不同点是模拟退火是采用单个个体进行进化，遗传算法是采用种群进行进化。模拟退火一般新解优于当前解才接受新解，并且还需要通过温度参数t进行选择，并通过变异操作产生新个体。而遗传算法新解是通过选择操作进行选择个体，并通过交叉和变异产生新个体。
相同点是都采用进化控制优化的过程。

8. 遗传算法和模拟退火算法结合神经网络，进行故障诊断和数据预测，这种思路的Matlab程序，高分求助

可以用GA来优化BP网络的初始权值，再用SA来训练网络。也可直接将两种算法融合。具体看你想怎么做。附件是一个基于Matlab的SA/GA融合程序，和你的要求不同，但是可以参考。

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。