單粒子優化演算法

最佳化方法

簡介

歷史

確定性搜尋

基本搜尋法

逐漸深入法

α-β 修剪

A* 搜尋法

隨機搜尋

單粒子隨機搜尋

貪婪演算法

爬山演算法

模擬退火法

禁忌搜尋法

多粒子隨機搜尋

演化策略

鳥群演算法

蟻群演算法

蜂群演算法

程式實作

基本搜尋法

爬山演算法

基因演算法

鳥群演算法

訊息

相關網站

參考文獻

最新修改

簡體版

English

實驗問題集

  1. 優化測試問題集 (Optimization Test Problem)

方法比較

  1. 最佳優先爬山演算法 (Best Choice Hill Climbing)
  2. 第一選擇爬山算法 (First Choice Hill Climbing)
  3. 單粒子最佳化方法之比較性研究

其他方法

  1. thresholdaccepting 門檻接受法 (Threshold Accepting)
  2. 大洪水演算法 (Great Deluge Algorithm)

參考文獻

維基百科

  1. 區域搜尋法 (Local Search)
  2. 貪婪算法 (Greedy Algorithm)
  3. 爬山算法 (Hill Climbing)
  4. 最陡坡降法 (Gradient Descent)
  5. 隨機坡降法 (Stochastic Gradient Descent)
  6. 大洪水演算法 (Great Deluge Algorithm)
  7. 禁忌搜尋法 (Tabu Search)
  8. 模擬退火法 (Simulated Annealing)
  9. 量子退火法 (Quantum Annealing)
  10. 隨機穿遂法 (Stochastic Tunneling)
  11. 反傳遞演算法 (Back Propagation)
  12. 隨機散播搜尋法 (Stochastic Diffusion Search)
  13. 牛頓法 (Newton's Method)
  14. Delta 法則 (Delta Rule)

Facebook

Unless otherwise stated, the content of this page is licensed under Creative Commons Attribution-NonCommercial-ShareAlike 3.0 License