基于遗传算法和模拟退火算法的特征选择方法

基于遗传模拟退火算法的矩形件优化排样

混合遗传算法是一种强大的特征选择方法，它结合了遗传算法和机器学习技术，用于从高维数据中选择最相关的特征子集。通过采用自然选择、交叉和变异等进化操作，该算法可以有效搜索特征空间并识别具有预测能力和区分性

在文本分类中，特征空间维数通常高达几万，甚至远远超出训练样本的个数，这是一种十分普遍的现象。为了提高文本挖掘算法的运行速度，降低占用的内存空间，提出了一种基于优化的模拟退火算法的特征选择方法。在该方法

工业模拟退火算法来源于固体退火原理，将固体加温至充分高，再让其徐徐冷却，加温时，固体内部粒子随温升变为无序状，内能增大，而徐徐冷却时粒子渐趋有序，在每个温度都达到平衡态，最后在常温时达到基态，内能减为

tsp的模拟退火算法

一个模拟退火算法解决TSP的例子，有详尽的过程和注释

模拟退火算法的改进，总结了模拟算法的各种改进算法，很强大

基于模拟退火算法的TSP问题 C语言实现 并运用了标准数据检测

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。-

基于模拟退火的聚类算法及实现方法 文档超详细介绍 文档有流程图和MATLAB编写的实现代码