禁忌搜索演算法matlab

① 模式識別與智能計算 matlab技術實現 怎麼運行

《模式識別與智能計算―MATLAB技術實現（第3版）》廣泛吸取統計學、神經網路、數據挖掘、機器學習、人工智慧、群智能計算等學科的先進思想和理論，將其應用到模式識別領域中；以一種新的體系，系統、全面地介紹模式識別的理論、方法及應用。全書分為14章，內容包括：模式識別概述，特徵的選擇與優化，模式相似性測度，基於概率統計的貝葉斯分類器設計，判別函數分類器設計，神經網路分類器設計（BP神經網路、徑向基函數神經網路、自組織競爭神經網路、概率神經網路、對向傳播神經網路、反饋型神經網路），決策樹分類器設計，粗糙集分類器設計，聚類分析，模糊聚類分析，禁忌搜索演算法聚類分析，遺傳演算法聚類分析，蟻群演算法聚類分析，粒子群演算法聚類分析。
《模式識別與智能計算―MATLAB技術實現（第3版）》內容新穎，實用性強，理論與實際應用密切結合，以手寫數字識別為應用實例，介紹理論運用於實踐的實現步驟及相應的Matlab代碼，為廣大研究工作者和工程技術人員對相關理論的應用提供借鑒。

② 禁忌搜索演算法的主要思想和特徵

禁忌演算法是一種亞啟發式隨機搜索演算法1，它從一個初始可行解出發，選擇一系列的特定搜索方向(移動)作為試探，選擇實現讓特定的目標函數值變化最多的移動。為了避免陷入局部最優解，TS搜索中採用了一種靈活的「記憶」技術，對已經進行的優化過程進行記錄和選擇，指導下一步的搜索方向，這就是Tabu表的建立。 禁忌搜索是對人類思維過程本身的一種模擬，它通過對一些局部最優解的禁忌（也可以說是記憶）達到接納一部分較差解，從而跳出局部搜索的目的.

③ 禁忌搜索解決任務分配問題（matlab)

function main()
clear
taskNum = 50;
machNum = 8;
densityV = [0.2]%,0.5,0.8];
ccrV = [0.5]%,1,2];
saSHH = [];
SAtimeHH = [];
for density = densityV
for ccr = ccrV
[ETC,adjMatrix,memReq,memCap] = instance(taskNum,machNum,ccr,density); %% taskH,machH,ccr,density,type
SAresultHH = [];
tSAHH = [];
for iter = 1:5
SAStart = cputime;
[SACost,IteratorSolution] = SA(ETC,adjMatrix,memReq,memCap);
SAresultHH = [SAresultHH,SACost];
SAtime = cputime - SAStart;
tSAHH = [tSAHH,SAtime];

end
saSHH = [saSHH;SAresultHH];
SAtimeHH = [SAtimeHH;tSAHH];
end
end
meanSAsHH = mean(saSHH')

stdSAsHH = std(saSHH')

meanSAtHH = mean(SAtimeHH')

col_sa = length(IteratorSolution);
plot(1:col_sa,IteratorSolution,'-x','linewidth',1.0);
xlabel('Evaluation number');
ylabel('Fitness value');
legend('SA');

function [bestCost,IteratorSolution] = SA(ETC,adjMatrix,memReq,memCap,speed,machRelia,linkRelia)
[taskNum,machNum] = size(ETC);
S = randint(1,taskNum,[1,machNum]); %initial the s randomly
T = IniTemp(S,ETC,adjMatrix,memReq,memCap); %initial the temprature
% Tlow = IniTemp(S,ETC,adjMatrix,memReq,memCap,0.50001);
[cost,memLoad] = calcCost(S,ETC,adjMatrix,memReq,memCap);
Alpha = 0.9; %the value of Alpha
Bita = 1.05; %the value of Bita
Nrep = taskNum * machNum; %the count of inner loop
IteratorSolution = []; %record the change among the loop
bestS = S;
bestCost = cost;
deadline1 = 0; %the count of the outer loop
while deadline1 <= 20
findBest = 0;
iter = 1;
deadline2 = 0;
while (iter <= Nrep)
triS = S;
triCost = cost;
t = fix(1 + rand * taskNum);
p = triS(t);
q = fix(1 + rand * machNum);
while p == q
q = fix(1 + rand * machNum);
end
triS(t) = q;
triCost = triCost - ETC(t,p) + ETC(t,q);
adjTask = find(adjMatrix(t,:));
for k = adjTask %alter communication cost
switch triS(k)
case q
triCost = triCost - adjMatrix(t,k);
case p
triCost = triCost + adjMatrix(t,k);
end
end
if (memLoad(p) > memCap(p)) %calculate violation
if (memLoad(p) - memReq(t)) <= memCap(p)
triCost = triCost - (memLoad(p) - memCap(p));
else
triCost = triCost - memReq(t);
end
end
% there exists no memory violation before migration
if (memLoad(q) + memReq(t)) > memCap(q)
if memLoad(q) <= memCap(q)
triCost = triCost + (memLoad(q) + memReq(t) - memCap(q));
else % there exists memory violation before migration
triCost = triCost + memReq(t);
end
end
Dita = triCost - cost;
if Dita < 0
S = triS;
cost = triCost;
memLoad(p) = memLoad(p) - memReq(t);
memLoad(q) = memLoad(q) + memReq(t);
if (triCost < bestCost)
bestS = triS;
bestCost = triCost;
deadline2 = 0;
findBest = 1;
end
else
if rand < exp(-Dita/T)
S = triS;
cost = triCost;
memLoad(p) = memLoad(p) - memReq(t);
memLoad(q) = memLoad(q) + memReq(t);
end
deadline2 = deadline2 + 1;
if deadline2 >= taskNum * machNum
break;
end
end
iter = iter + 1;
IteratorSolution = [IteratorSolution,cost];
end
T = Alpha * T;
Nrep = Bita * Nrep;
if findBest
deadline1 = 0;
else
deadline1 = deadline1 + 1;
end
end

function [totalCost,memLoad] = calcCost(S,ETC,adjMatrix,memReq,memCap)
[tN,mN] = size(ETC);
totalCost = 0;
memLoad = zeros(1,mN);
for t = 1:tN
totalCost = totalCost + ETC(t,S(t));
memLoad(S(t)) = memLoad(S(t)) + memReq(t);
for k = t+1:tN %t or t+1?
if (adjMatrix(t,k)>0) && (S(k) ~= S(t))
totalCost = totalCost + adjMatrix(t,k);
end
end
end
for m = 1:mN
if memLoad(m) > memCap(m)
totalCost = totalCost + (memLoad(m) - memCap(m));
end
end

function [ETC,adjMatrix,memReq,memCap] = instance(taskNum,machNum,ccr,density)

ETC = fix(1 + 200 * rand(taskNum,machNum));
for i = 1:taskNum-1
for j = i+1:taskNum
if (rand < density)
adjMatrix(i,j) = fix(2 * (1 + 200 * rand) * ccr / ((taskNum-1) * density));
else
adjMatrix(i,j) = 0;
end
adjMatrix(j,i) = adjMatrix(i,j);
end
end
% memory requirement of each task
memReq = fix(1 + 50 * rand(1,taskNum));
% memory capacity of each processor
memCap = fix((1 + rand(1,machNum)) * sum(memReq) / machNum);

function T = IniTemp(S,ETC,adjMatrix,memReq,memCap)
[taskNum,machNum] = size(ETC);
SumCi = 0;
AccValue = 0.9;
Ci = 0;
Cr = 0;
[cost,memLoad] = calcCost(S,ETC,adjMatrix,memReq,memCap); % calculate the total cost
for countNum = 1:200
triS = S;
triCost = cost;
t = fix(1 + taskNum * rand);
p = triS(t);
q = fix(1 + machNum * rand);
while p == q
q = fix(1 + machNum * rand);;
end
triS(t) = q;
triCost = triCost - ETC(t,p) + ETC(t,q);
adjTask = find(adjMatrix(t,:));
for k = adjTask %alter communication cost
switch triS(k)
case q
triCost = triCost - adjMatrix(t,k);
case p
triCost = triCost + adjMatrix(t,k);
end
end
if (memLoad(p) > memCap(p)) %calculate violation
if (memLoad(p) - memReq(t)) <= memCap(p)
triCost = triCost - (memLoad(p) - memCap(p));
else
triCost = triCost - memReq(t);
end
end
% there exists no memory violation before migration
if (memLoad(q) + memReq(t)) > memCap(q)
if memLoad(q) <= memCap(q)
triCost = triCost + (memLoad(q) + memReq(t) - memCap(q));
else % there exists memory violation before migration
triCost = triCost + memReq(t) ;
end
end
memLoad(p) = memLoad(p) - memReq(t);
memLoad(q) = memLoad(q) + memReq(t);

Dita = triCost - cost;
if Dita > 0
Ci = Ci + 1;
SumCi = SumCi + Dita;
else
Cr = Cr + 1;
end;
S = triS;
cost = triCost;
end;
Ca = SumCi / Ci;
T = -Ca / (log((AccValue - 1) * Cr / Ci + AccValue));

function T = calculateT(ETC,adjMatrix,tN,mN,solNum)
sol = fix(1+mN*rand(solNum,tN));
for i = 1:solNum
Fitness(i) = fitnessCal(ETC,adjMatrix,sol(i,:),tN);
end
T = max(Fitness) - min(Fitness);

% ***** the following function has no relation with the above ***** %
function machLoad = calcLoad(A,ETC,adjMatrix) % Objective 2
[tN,mN] = size(ETC);
machLoad = zeros(1,mN);
for k = 1:tN
machLoad(A(k)) = machLoad(A(k)) + ETC(k,A(k));
for h = k+1:tN
if (adjMatrix(k,h) > 0 && A(k) ~= A(h))
machLoad(A(k)) = machLoad(A(k)) + adjMatrix(k,h);
machLoad(A(h)) = machLoad(A(h)) + adjMatrix(k,h);
end
end
end

④ 有一些點坐標確定，求找一點，是這一點到一直點的距離和最短希望各位大俠幫忙解決

找到一個點，使得該點到其他點距離和最小？
這個問題就是設施選址問題中的經典的P-中值問題，英文叫做P-median problem。網上可以找到很多相關資料，如下的參考資料給出了該問題的模型描述，以及貪婪取走啟發式演算法去解決它，請見參考資料。或者你自己到網上搜一下「P-中值」，就可以找到這方面的很多文獻或碩士論文，有很多智能優化演算法，像禁忌搜索演算法、模擬退火演算法、遺傳演算法可以解決這個問題。
如果想了解更多情況，可追問。
可以用matlab編程實現演算法，去解決這個問題。

⑤ 如何入門數學建模呢我大一可以說是很小白的狀態了，現在開始學習5.17比賽

本人大三計算機專業，17年電工杯二等獎、MathorCup一等獎、國賽省一等獎、數創杯一等獎，獎項很水，但有必要介紹一下我參加建模的過程，希望對學弟學妹們有所幫助。
本人大一沒想過比賽，大二為了我女朋友才跟她組隊開始學著參加數學建模，從2017年2月開始上《數學建模》與《數學建模軟體》兩門選修課，從中對MATLAB有所了解，數學建模課程比較枯燥，僅僅是聽過而已。
到2017年4月校賽，開始拿到校賽題目，時長15天，這15天的時間所做的題目是2017年認證杯第一階段賽題：考研移動端產品的使用與評價，本題有大量數據，曾經高分通過計算機等級考試二級MS Office的我使用EXCEL對數據進行了處理，這起到了很大的作用，第一題是一個因子分析和聚類分析，經過網路得知可以使用SPSS，於是學習了SPSS，這個很好上手，網路相應的方法即可找到教程。
校賽後，拿電工杯和MathorCup練手，電工杯題目是人口預測，用到了leslie模型，MathorCup是共享單車的題目，又是大數據分析，這次直接是EXCEL完成的。
扯了這么多，給大家說一下如何准備數學建模吧。
首先，數學建模比賽一般分為優化類型的題目和數據分析或評價類的題目，需要3-4天提交一篇論文，三個成員需要有一名寫手、一名編程人員和一名統籌調度（建模和想思路）人員，這三人的調度和論文撰寫工作最好都要熟悉。是對題目的解答，而論文包括：摘要、問題重述、問題分析、模型假設、符號說明、模型的建立與求解、模型的評價、模型的改進與推廣、參考文獻、附錄幾大部分，最關鍵的是摘要，摘要寫的不好，論文直接pass掉。
而如果摘要寫的還可以，就是論文格式和所用的模型了，三人均需要熟練掌握OFFICE軟體，EXCEL可以處理數據，裡面的一些公式和函數一定要會，Word也要熟練掌握，尤其是其中的mathtype公式編輯器，要求所有的公式都需要用公式編輯器輸入。編程人員需要熟練掌握Matlab、SPSS、Lingo，都很簡單。
對於學習數學建模的方法，大概包括：規劃（最優化）、圖論、評價、相關性分析、回歸等模型，還有一些比較高大上的演算法，比如模擬退火演算法、神經網路、粒子群演算法，這些大多是處理優化問題的，當然神經網路還可以做分類，這些網上都有現成的代碼，了解數據輸入輸出和如何分析結果即可。推薦司守奎老師的《數學建模與應用》一書（側重實現），還有姜啟源老師的《數學模型》一書（側重原理的講解）。
多看看優秀論文，注意格式和內容，掌握這些，建模應該不成問題了，祝各位同學好運。

⑥ 禁忌搜索演算法的簡介

又名「tabu搜索演算法」
為了找到「全局最優解」，就不應該執著於某一個特定的區域。局部搜索的缺點就是太貪婪地對某一個局部區域以及其鄰域搜索，導致一葉障目，不見泰山。禁忌搜索就是對於找到的一部分局部最優解，有意識地避開它（但不是完全隔絕），從而獲得更多的搜索區間。兔子們找到了泰山，它們之中的一隻就會留守在這里，其他的再去別的地方尋找。就這樣，一大圈後，把找到的幾個山峰一比較，珠穆朗瑪峰脫穎而出。
當兔子們再尋找的時候，一般地會有意識地避開泰山，因為他們知道，這里已經找過，並且有一隻兔子在那裡看著了。這就是禁忌搜索中「禁忌表（tabu list）」的含義。那隻留在泰山的兔子一般不會就安家在那裡了，它會在一定時間後重新回到找最高峰的大軍，因為這個時候已經有了許多新的消息，泰山畢竟也有一個不錯的高度，需要重新考慮，這個歸隊時間，在禁忌搜索裡面叫做「禁忌長度（tabu length）」；如果在搜索的過程中，留守泰山的兔子還沒有歸隊，但是找到的地方全是華北平原等比較低的地方，兔子們就不得不再次考慮選中泰山，也就是說，當一個有兔子留守的地方優越性太突出，超過了「best so far」的狀態，就可以不顧及有沒有兔子留守，都把這個地方考慮進來，這就叫「特赦准則（aspiration criterion）」。這三個概念是禁忌搜索和一般搜索准則最不同的地方，演算法的優化也關鍵在這里。

⑦ 跪求禁忌搜索演算法解決背包問題的matlab程序

附件代碼，可供參考