发表服务
写了篇研究算法的文章，搜索了网上的论文，觉得还是比较新的，各位虫友有没有审稿较快的期刊推荐下，急用。。。。。谢谢
进化算法的计算速度比较慢一直是大家的共识，这一点也很好理解，每迭代一次都需要计算M次目标函数，M是种群规模一般是30-50左右。进化算法的前沿的研究方向其中一个就是针对大规模优化问题的（large-scale）, 我也曾查阅过相关顶级期刊的论文发现进化
1. 退火算法优点是 局部搜索能力强,运行时间较短；缺点 是全局搜索能力差,容易受参数的影响.2. 遗传算法遗传算法基本原理和方法选择算子的c语言实现遗传算法-课本2.1 本质是适应算法，应用最多的是系统最优化的研究。用途：解决优化类问题2.2 算法思想按照适者生存的原理，逐代演化产生越来越 ...
各种智能优化算法比较与实现（matlab版） 一、 方法介绍 1免疫算法（Immune Algorithm，IA） 1.1算法基本思想 免疫算法是受生物免疫系统的启发而推出的一种新型的智能搜索算法。它是一种确定性和随机性选择相结合并具有“勘探”与“开采”能力的启发式随机搜索算法。
装箱问题的算法研究山东大学 赵一帆问题描述在箱子装载问题中，有若干个容量为c的箱子和n个待装载入箱子中的物品。物品i需占s[i]个单元（0<s[i]≤c）。所谓成功装载（feasible packing），是指能把所有物品都装入箱子而不溢出，而最优装载 ...
系列优化算法简述： OP_1.简述遗传算法（GA）原理 OP_2 简述灰狼优化算法（GWO）原理 前言： 灰狼优化算法（Grey Wolf Optimizer，GWO）由澳大利亚格里菲斯大学学者 Mirjalili 等人于2014年提出来的一种群智能优化算法。该算法受到了灰狼捕食 ...
1.优化时间算法复杂度2.减少冗余数据3.合理使用copy和deepcopy4.合理使用生成器（generator）和（yield）5.优化循环 循环之外能做的事不要放在循环内6.优化包含多个判断表达式的顺序，对于and，应该把瞒住条减少的放在前面，对于or，把满足条件 ...
近日，美国纽约大学的卜浩祯和深圳鹏城实验室的焦述铭博士在《液晶与显示》(ESCI,核心期刊)上发表了题为“纯相位全息图优化算法综述”文章，文中按照迭代方法、非迭代方法以及其他方法为分类标准，对纯相位全息图生成与优化算法进行了全面系统地总结，并对未来研究方向进行了展望。
算法顶层在深度学习加速的工作也囊括了很多方面，例如：更好的 分布式训练调度（大规模分布式机器学习系统），更好的优化算法，更简单高效的神经网络结构，更自动化的网络搜索机制（神经网络架构搜索NAS), 更有效的网络参数量化剪枝算法、卷积运算的 ...
写了篇研究算法的文章，搜索了网上的论文，觉得还是比较新的，各位虫友有没有审稿较快的期刊推荐下，急用。。。。。谢谢
进化算法的计算速度比较慢一直是大家的共识，这一点也很好理解，每迭代一次都需要计算M次目标函数，M是种群规模一般是30-50左右。进化算法的前沿的研究方向其中一个就是针对大规模优化问题的（large-scale）, 我也曾查阅过相关顶级期刊的论文发现进化
1. 退火算法优点是 局部搜索能力强,运行时间较短；缺点 是全局搜索能力差,容易受参数的影响.2. 遗传算法遗传算法基本原理和方法选择算子的c语言实现遗传算法-课本2.1 本质是适应算法，应用最多的是系统最优化的研究。用途：解决优化类问题2.2 算法思想按照适者生存的原理，逐代演化产生越来越 ...
各种智能优化算法比较与实现（matlab版） 一、 方法介绍 1免疫算法（Immune Algorithm，IA） 1.1算法基本思想 免疫算法是受生物免疫系统的启发而推出的一种新型的智能搜索算法。它是一种确定性和随机性选择相结合并具有“勘探”与“开采”能力的启发式随机搜索算法。
装箱问题的算法研究山东大学 赵一帆问题描述在箱子装载问题中，有若干个容量为c的箱子和n个待装载入箱子中的物品。物品i需占s[i]个单元（0<s[i]≤c）。所谓成功装载（feasible packing），是指能把所有物品都装入箱子而不溢出，而最优装载 ...
系列优化算法简述： OP_1.简述遗传算法（GA）原理 OP_2 简述灰狼优化算法（GWO）原理 前言： 灰狼优化算法（Grey Wolf Optimizer，GWO）由澳大利亚格里菲斯大学学者 Mirjalili 等人于2014年提出来的一种群智能优化算法。该算法受到了灰狼捕食 ...
1.优化时间算法复杂度2.减少冗余数据3.合理使用copy和deepcopy4.合理使用生成器（generator）和（yield）5.优化循环 循环之外能做的事不要放在循环内6.优化包含多个判断表达式的顺序，对于and，应该把瞒住条减少的放在前面，对于or，把满足条件 ...
近日，美国纽约大学的卜浩祯和深圳鹏城实验室的焦述铭博士在《液晶与显示》(ESCI,核心期刊)上发表了题为“纯相位全息图优化算法综述”文章，文中按照迭代方法、非迭代方法以及其他方法为分类标准，对纯相位全息图生成与优化算法进行了全面系统地总结，并对未来研究方向进行了展望。
算法顶层在深度学习加速的工作也囊括了很多方面，例如：更好的 分布式训练调度（大规模分布式机器学习系统），更好的优化算法，更简单高效的神经网络结构，更自动化的网络搜索机制（神经网络架构搜索NAS), 更有效的网络参数量化剪枝算法、卷积运算的 ...
发表服务