马尔可夫链蒙特卡洛-0/1背包问题 该资料库引用了该学科的最终：《蒙特卡洛算法和马尔可夫链中的特殊主题》 ，PESC / COPPE / UFRJ ，由 教授在2018年第一学期教授。 学生们： 关于 该存储库的目的是为0/1背包问题建立解决方案，也就是说，每个元素都可以或不可以不经过重复就出现在解决方案中。 开发的代码旨在评估涉及Markov Chains Monte Carlo的不同算法的结果和性能。 与伪多项式求解算法和贪婪算法（称为“爬山”）相比，本文涵盖的技术涉及不同冷却和过渡策略下的随机游走，Metropolis Hastings，模拟退火算法。 此外，该存储库还试图提出可能的场景，在这些场景中，马尔可夫链蒙特卡洛算法比确定性算法更具优势。 运行算法 所有算法都是使用编写的，并且在src目录中可用。 在data目录中，您可以找到一些可以由算法执行的问题。 涉及Mark

4x4模拟MIMO 马克·戈德沃特（Mark Goldwater）和阿努莎·达特（Anusha Datar） 奥林学院SP21无线通信原理实验室2b。 概括 该存储库包含与由具有4个发射天线和4个接收天线的MIMO系统发送和接收的解码信号相关的代码和文档。 我们使用训练信号创建了一个数据文件（可在该存储库的中找到。我们使用来模拟通过通道发送数据，然后使用基于MMSE的方法对数据进行解码（其中不能在发送数据之前表征信道）和基于SVD的方法（发送器可以在发送数据之前表征信道）。 与基于MMSE的接收器关联的主要功能是 ，而与基于SVD的解码器关联的主要功能是 。 这两个函数都调用此存储库中包含的许多模块化函数。 我们的包括有关实施和更多理论背景的更多详细信息。

电网稳定性模拟数据 应用了决策树，多层感知器和Logistic回归，使用电网稳定性模拟数据集数据集中提供的功能将其分类为稳定和不稳定的系统。 将数据划分为70-30个训练验证后，将在验证集上报告准确性。 Logistic回归是在决策树学习多层规则感知器后提供100％准确性的决策树之后最有效的方法，尽管比猜测更好要努力找到数据中的模式。

matlab_simulated_annealing 使用多个变量实现简单的模拟退火 对于具有大量局部最大值和最小值的函数，效果非常好。 代码允许： - 多个变量（目前最多 10 个，如果需要更多需要手动添加到 anneal.m ，在函数 calculate_cost 中） - 定义你自己的随机阶跃函数 - 定义你自己的成本函数 - 定义你自己的绘图函数 -将过程保存到 GIF -etc... 有关更多信息，请参阅示例文件夹。 （记住在运行示例时将 src -folder 添加到路径中）

Adaptive Simulated Annealing (ASA) is a C-language code developed to statistically find the best global fit of a nonlinear constrained non-convex cost-function over a D-dimensional space. This algorithm permits an annealing schedule for "temperature" T decreasing exponentially in annealing-time k, T = T_0 exp(-c k^1/D). The introduction of re-annealing also permits adaptation to changing sensitivities in the multi-dimensional parameter-space. This annealing schedule is faster than fast Cauchy annealing, where T = T_0/k, and much faster than Boltzmann annealing, where T = T_0/ln k. ASA has over 100 OPTIONS to provide robust tuning over many classes of nonlinear stochastic systems.

QC-LDPC 码和 MET QC-LDPC 码的模拟退火提升 Vasiliy Usatyuk 和 Ilya Vorobyev 用于构建高周长 QC-LDPC 代码的模拟退火方法第 41 届电信和信号处理 (TSP) 2018 年国际会议的源代码，7 月 4 日至 6 日，希腊雅典。 它从具有所需最小 EMD 值的原图构造具有多个边缘类型循环的规则和不规则 QC-LDPC 代码。 关于图构建相关问题的代码的简短评论 (ENG) 。 模拟退火优于所有当前发布的算法（PEG、QC-PEG、Fossorier-Declercq-Vasic 改进的 PEG、Yedidia Hill-Climbing），并根据循环破坏能力构建 QC-LDPC 代码，详情请阅读论文 。 结合基于代码距离的筛选（对于短代码和中等代码长度），它允许构建具有非常好的（可能是当前最先进的）编码增益的 QC 代码。

四种经典启发式算法求解TSP问题，包括模拟退火（Simulated annealing）、禁忌搜索（Tabu search）、遗传算法（Genetic algorithms）和蚁群算法（Ant colonies）

Python中的群智能（遗传算法，粒子群优化，模拟退火，蚁群算法，免疫算法，Python中的人工鱼群算法） 文档： : 文档： : 源代码： : 帮助我们改善scikit-opt 安装 pip install scikit-opt 对于当前的开发人员版本： git clone git@github.com:guofei9987/scikit-opt.git cd scikit-opt pip install . 特征 功能1：UDF UDF （用户定义的函数）现在可用！ 例如，您刚刚制定了一种新型的selection功能。 现在，您的selection功能如下所示： ->演示代码： # step1: define your own operator: def selection_tournament ( algorithm , tourn_size ): Fi

环境模拟研究室 （最后更新时间：2015 年 2 月 23 日） Alan Steele 博士代表卡尔顿大学图书馆来到我们的团队，提出了一个学期项目，为图书馆的发现中心的一个房间创建一个投影系统。 这个房间将配备三台安装在天花板上的投影仪，指向三个不同的墙壁，并配备支持 7.1 数字环绕声的扬声器。 该系统的想法是沿着三堵墙播放同步视频/图片和音频，以模拟户外学习环境。 该项目是卡尔顿大学系统工程系和哲学系的共同努力。 我们设计并实施该系统，哲学专业的学生将找到该系统将提供给图书馆的内容。 工程团队包括： 海法阿尔贾塞尔 一河 伊塔夫·乔德 诺亚·基平 布兰登 下图描述了房间内投影仪的方向： 设计 系统的设计由三部分组成： 场景管理器子系统 内容分发子系统 红外控制子系统 场景管理器子系统应该为用户提供一个 GUI 来与系统交互。 该系统将为用户提供播放/暂停/停止/跳过和调整场

利用模拟退火算法求解下料问题，参见《现代优化计算方法》（第二版），本人是优化算法的初学者，欢迎批评指正。联系方式: junenggai_1982@126.com. QQ:149491882