import numpy as np import matplotlib.pyplot as plt # 算法应用，单变量线性回归&梯度下降：已知如下数据集，绘制出数据集的散点图并给出能够和所有散点拟合出最好的一条直线 # 预测函数 def getHypo(X, theta): return np.dot(X, theta) # 代价函数 def getCost(h, y): m = len(h) return (1.0 / 2*m) * np.sum(np.square(h - y)) # 梯度下降 def getGraDesc(X, y, aplha = 0.001

数学建模源码集锦-基于蚁群算法的二维路径规划算法应用实例

数学建模源码集锦-基于PSO工具箱的函数寻优算法应用实例

数学建模源码集锦-基于动态粒子群算法的动态环境寻优算法应用实例

数学建模源码集锦-基于多层编码遗传算法的车间调度算法应用实例

数学建模源码集锦-基于混合粒子群算法的TSP搜索算法应用实例

数学建模源码集锦-基于粒子群算法的多目标搜索算法应用实例

数学建模源码集锦-基于量子遗传算法的函数寻优算法应用实例

数学建模源码集锦-基于模拟退火算法的TSP算法应用实例

数学建模源码集锦-基于遗传模拟退火算法的聚类算法应用实例