基于多媒体传输的网络应用均对服务质量（quality of service, QoS）有迫切的需求，如带宽、延迟、丢包率等。寻找满足上述QoS要求的组播树问题是一个NP=完全问题。在已有的多约束QoS组播路由算法中主要是局部搜索算法或集中式搜索算法，这些均不能保证在实际网络中找到全局解。本文提出用基于交叉熵的蚁群优化算法来求解多约束QoS组播路由问题，NS2仿真结果表明该算法能够快速找到近似最优解。

交叉熵的计算

论文中"Holistically-Nested Edge Detection"使用的加权损失函数，具体用法见博客http://blog.csdn.net/majinlei121/article/details/78884531

本文为softmax 的交叉熵 求导公式，来源于斯坦福cs224n 其中一题

用于以下元启发式的 Python 库：自适应随机搜索、蚁狮优化器、算术优化算法、人工蜂群优化、人工鱼群算法、蝙蝠算法、基于生物地理学的优化、交叉熵方法、乌鸦搜索算法、布谷鸟搜索、差分进化,分散 苍蝇 优化,蜻蜓 算法,萤火虫 算法,流向 算法,花授粉算法，遗传算法，蚱蜢优化算法，重力搜索算法，灰狼优化器，哈里斯鹰优化器，改进的灰狼优化器，改进的鲸鱼优化算法，Jaya，水母搜索优化器，磷虾群算法，模因算法，飞蛾火焰优化，多元 宇宙 优化 器,粒子 群 优化,随机 搜索, Salp Swarm 算法,模拟退火,正余弦算法,鲸鱼优化算法。

这些代码可以计算出5种不同的MCDM技术的最佳替代方案。 MOORA，TOPSIS，modTOPSIS，VIKOR和ARAS。 标准的权重也可以通过AHP和交叉熵方法计算。 任何使用密码的人都请引用论文 “ Hussain，SAI，Sen，B.，Das Gupta，A.和Mandal，UK（2020）。新颖的多目标决策和折衷方法，用于选择inconel-800超级合金的最佳加工参数。科学与工程，45，5833-5847。” “ Sen B.，侯赛因，SAI，Gupta，AD，Gupta，MK，Pimenov，DY和Mikołajczyk，T。（2021年）。类型2模糊AHP-ARAS在选择最佳WEDM参数中的应用。金属，11（ 1），42。” “ Kumar，A.，Hussain，SAI，＆Rai，RN（2019）。通过AHP-ARAS对加工AA7050-10％B 4 C复合材料的E

机器学习——交叉熵python实现，基于TensorFlow，一般在机器学习做loss评估。

% MinCEP 是使用最小交叉熵进行阈值化的函数% 图像非空白空间的阈值选择。 % % [ILow, IHigh, 阈值] = minCEP(I) % 输入：I 2D 灰度图像% minIntensity 最小强度% maxIntensity 最大强度% ％输出：ILow图像，具有灰度波纹管阈值% 输出：具有灰度上限阈值的 IHigh 图像% 输出：阈值 MinCE 选择的阈值% % 说明：这段代码实现了论文：《最小交叉熵Brink 和 Pendock 的“% 阈值选择” % 这个实现被修改为计算非空白空间的阈值图像的百分比以及获得图像的最小和最大强度。 % ％ 例子： % img = imread('轮胎.tif'); % [ILow, IHigh, T] = minCEP(img); % subplot(2,2,1), imshow(img); % subplot(2,2,2), i

matlab开发-交叉熵滤波器。用CE方法解决TSP问题。

Complement-Cross-Entropy:具有互补交叉熵的不平衡图像分类（Pytorch）