若能在系数矩阵(bij)中找出n个独立的0元素；
则令解矩阵(xij)中对应这n个独立的0元素取值为1，其它元素取值为0。
将其代入目标函数中得到zk=0，它一定是最小。
这就是以(bij)为系数矩阵的指派问题的最优解。
也就得到了问题的最优解。
则令解矩阵(xij)中对应这n个独立的0元素取值为1，其它元素取值为0。
将其代入目标函数中得到zk=0，它一定是最小。
这就是以(bij)为系数矩阵的指派问题的最优解。
也就得到了问题的最优解。
2023/10/18 11:54:18
5KB
1
最速下降迭代法又叫梯度下降迭代法，是从一已知点出发，依照某种规则，求出相继点，取代原先的点，然后重复以上过程，得到点序列，以使其趋于最优解的迭代方法
2023/10/13 15:47:12
927B
1
遗传算法（GeneticAlgorithm）即是通过模拟自然进化过程，搜索出最优解的方法，如可用来解决组合优化问题。
TSP问题即旅行商问题，假设有一个旅行商人要拜访n个城市，他必须选择所要走的路径，路径的限制是每个城市只能拜访一次，而且最后要回到原来出发的城市。
路径的选择目标是要求得的路径路程为所有路径之中的最小值。
程序用MicrosoftVisualC++2010编写运行成功，更改各个城市坐标数据文件，即可输出最优路径。
TSP问题即旅行商问题，假设有一个旅行商人要拜访n个城市，他必须选择所要走的路径，路径的限制是每个城市只能拜访一次，而且最后要回到原来出发的城市。
路径的选择目标是要求得的路径路程为所有路径之中的最小值。
程序用MicrosoftVisualC++2010编写运行成功，更改各个城市坐标数据文件，即可输出最优路径。
2023/10/6 22:12:34
2KB
1
在windows文件夹中，其中SVMMcgForClass文件中的svmtrain函数用的是libsvmtrain函数，若用的是svmtrain函数的，可以下载另一个libsvm工具包
2023/10/2 22:14:36
860KB
1
抽象信道估计对于具有混合预编码的毫米波（mmWave）大规模MIMO是具有挑战性的，因为射频（RF）链的数量远小于天线的数量。
传统的基于压缩感测的信道估计方案由于信道角度量化而遭受严重的分辨率损失。
为了提高信道估计精度，本文提出了一种基于迭代重测（IR）的超分辨率信道估计方案。
通过梯度下降法优化目标函数，所提出的方案可以迭代地将估计的到达/离开角度（AoAs/AoD）移向最优解，并最终实现超分辨率信道估计。
在优化中，权重参数用于控制稀疏度和数据拟合误差之间的权衡。
另外，开发基于奇异值分解（SVD）的预处理以降低所提出的方案的计算复杂度。
仿真结果验证了该方案比传统解决方案更好的性能。
传统的基于压缩感测的信道估计方案由于信道角度量化而遭受严重的分辨率损失。
为了提高信道估计精度，本文提出了一种基于迭代重测（IR）的超分辨率信道估计方案。
通过梯度下降法优化目标函数，所提出的方案可以迭代地将估计的到达/离开角度（AoAs/AoD）移向最优解，并最终实现超分辨率信道估计。
在优化中，权重参数用于控制稀疏度和数据拟合误差之间的权衡。
另外，开发基于奇异值分解（SVD）的预处理以降低所提出的方案的计算复杂度。
仿真结果验证了该方案比传统解决方案更好的性能。
2023/10/1 15:37:31
108KB
1
系统设计指标的多维性决定了系统设计不存在唯一解或绝对最优解，系统工程师需要结合各类实际约束条件，在不同的设计指标之间进行综合考虑和权衡（有的指标之间存在互斥）。
一般的应对方法，是在系统前期方案设计阶段，针对系统需求拟定多种实现方案，并通过对不同方案的分析、对比，最终确定一种综合最优的方案继续详细设计。
其中，变体管理与配置是系统多方案设计的手段之一。
本文章节安排如下：案例思路概述设计约束模型创建系统架构模型创建计算分析模型-参数图变体的实现-Generalizationrelationship多方案对比分析小结&项目应用展望如上图所示，系统多方案设计和比选大致分为四个步骤：1.确定系统方案架构2
一般的应对方法，是在系统前期方案设计阶段，针对系统需求拟定多种实现方案，并通过对不同方案的分析、对比，最终确定一种综合最优的方案继续详细设计。
其中，变体管理与配置是系统多方案设计的手段之一。
本文章节安排如下：案例思路概述设计约束模型创建系统架构模型创建计算分析模型-参数图变体的实现-Generalizationrelationship多方案对比分析小结&项目应用展望如上图所示，系统多方案设计和比选大致分为四个步骤：1.确定系统方案架构2
2023/8/14 6:05:54
1.38MB
1
车间作业调度问题（JobShopSchedulingProblem）是一个著名的NP难题，具有很强的条件约束，当问题规模较大时很难找到全局最优解。
因此作业车间调度是一类求解困难的组合优化问题。
近几年各种智能计算方法逐渐被引入到作业调度问题中，如遗传算法、模拟退火算法、启发式算法等。
如何有效的安排各零件的加工顺序将直接关系到生产效率,也是本文所要解决的问题之一。
本文提出了实现车间调度的混合遗传算法的设计方案，把遗传算法与模拟退火算法相结合，充分发挥遗传算法良好的全局搜索能力和模拟退火算法有效避免陷入局部极小的特性，通过实验验证了基于混合算法的作业车间调度方法显著提高了搜索效率，GASA改进了收敛性能。
因此作业车间调度是一类求解困难的组合优化问题。
近几年各种智能计算方法逐渐被引入到作业调度问题中，如遗传算法、模拟退火算法、启发式算法等。
如何有效的安排各零件的加工顺序将直接关系到生产效率,也是本文所要解决的问题之一。
本文提出了实现车间调度的混合遗传算法的设计方案，把遗传算法与模拟退火算法相结合，充分发挥遗传算法良好的全局搜索能力和模拟退火算法有效避免陷入局部极小的特性，通过实验验证了基于混合算法的作业车间调度方法显著提高了搜索效率，GASA改进了收敛性能。
2023/8/12 3:25:03
8.92MB
1
LINGO11绿色完美破解版（变量没有限制，可求全局最优解）：部分破解版只是表面上的破解，对变量个数仍有限制，此版本经本人亲测，变量没有限制，且可求全局最优解
2023/7/30 22:20:42
15.93MB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB