机器学习的很多示例代码，包括模型估计与优化的房屋价格预测、监督学习、集成学习、强化学习、神经网络的内容示例应用示例
2021-09-15 17:03:03
3.92MB
1
【蚁群算法及其应用】
蚂蚁觅食行为与觅食策略
蚂蚁系统——蚁群系统的原型
改进的蚁群优化算法
蚁群优化算法的仿真研究
蚁群算法的应用——对QoS组播路由问题求解
20世纪50年代中期创立了仿生学，人们从生物进化的机理中受到启发。提出了许多用以解决复杂优化问题的新方法，如进化规划、进化策略、遗传算法等，这些算法成功地解决了一些实际问题。
20世纪90年代意大利学者M．Dorigo，V．Maniezzo，A．Colorni等从生物进化的机制中受到启发，通过模拟自然界蚂蚁搜索路径的行为，提出来一种新型的模拟进化算法—— 蚁群算法，是群智能理论研究领域的一种主要算法。用该方法求解TSP问题、分配问题、job-shop调度问题，取得了较好的试验结果．虽然研究时间不长，但是现在的研究显示出，蚁群算法在求解复杂优化问题（特别是离散优化问题）方面有一定优势，表明它是一种有发展前景的算法．
这种方法能够被用于解决大多数优化问题或者能够转化为优化求解的问题。现在其应用领域已扩展到多目标优化、数据分类、数据聚类、模式识别、电信QoS管理、生物系统建模、流程规划、信号处理、机器人控制、决策支持以及仿真和系统辩识等方面，群智能理论和方法为解决这类应用问题提供了新的途径。
群智能理论研究领域有两种主要的算法：蚁群算法(Ant Colony Optimization, ACO)和微粒群算法（Particle Swarm Optimization, PSO）。前者是对蚂蚁群落食物采集过程的模拟，已成功应用于许多离散优化问题。微粒群算法也是起源于对简单社会系统的模拟，最初是模拟鸟群觅食的过程，但后来发现它是一种很好的优化工具。
2021-09-15 10:04:09
801KB
TR-069协议详解及其应用方式介绍，高锆，孙曙和，随着运营商家庭网络业务的开展，将会有大量的设备需要安置在用户家中。TR-069协议提供了对下一代网络中家庭网络设备进行管理配置的
2021-09-13 17:04:47
461KB
1