课程大作业，基于MFC对话框编程，结合遗传算法和模拟退火算法对图像进行分割，并和原始otsu方法进行了比较

使用模拟退火算法求解四色地图问题，输入区域个数和表示相邻关系的邻接矩阵，输出一组数组表示上色情况。相较于传统算法求解较快。

本资源是Mgasa算法解决TSP问题的Matlab代码，资源中包括mgasa_main(Mgasa算法解决TSP问题代码)，mgasa_fitness(适应度求取函数代码)，mgasa_annealing(Mgasa算法中模拟退火代码)，mgasa_select(遗传算法中选择函数代码)，mgasa_crossover(遗传算法中染色体交叉互换函数代码)，mgasa_mutation(遗传算法中基因突变函数代码)，mgasa_change(Mgasa算法中选择过程代码)。同时代码中有Location矩阵，其中30个坐标作为TSP问题的例子。

因课程需要，编写了C语言的模拟退火算法，其中随机数的产生方法至关重要。-

采用水热法在180℃下合成纳米级的尖晶石相的Ni0.6Zn0.4Fe2O4铁氧体材料，在空气中退火温度分别为600、800、1000℃。使用X射线衍射（XRD）、红外光谱（FTIR）、扫描电镜（sEM）和振动样品磁强计（VSM）分别表征NiZn铁氧体纳米粉体的相组成、微结构以及磁性能。XRD衍射谱和FTIR谱表明：未退火和退火的纳米晶NiZn铁氧体皆为单一尖晶石相；退火温度对晶格常数基本无影响，主要提高了致密度以及使晶粒尺寸得到长大；样品的饱和磁化强度随着退火温度的提高逐渐增大到1000℃时的58.75

模拟退火算法 matlab 程序 matlab 多变量模拟退火程序 matlab 多目标 模拟算法 函数代码

利用模拟退火算法 实现矩形排版 亲们机会不多 快快下载

为了改善旅行商(TSP)优化求解能力,对模拟退火与混合粒子群算法进行改进,引入了自适应寻优策略。交叉、变异的混合粒子群算法,易于陷入局部最优,而自适应的模拟退火算法可以跳出局部最优,进行全局寻优,所以两者的结合兼顾了全局和局部。该算法增加的自适应性寻优策略提供了判定粒子是否陷入局部极值的条件,并可借此以一定概率进行自适应寻优,增强了全局寻优能力。与混合粒子群算法实验结果对比,显示了本文算法的有效性。

内含多个参考程序，集大成 1.基于模拟退火遗传算法优化BP神经网络的预测（matlab，可直接执行，包括数据集，可直接出对比图） 2.基于神经网络，粒子群，模拟退火的PYTHON，c写法

Marthcup团簇和势能函数结构预测Java程序