粒子计数

使用Simulink进行星系模拟粒子计数和速度输出

这是对sldemo_eml_galaxy模型的改进，提供了粒子计数数据和速度输出。详细内容可参考MathWorks提供的示例，演示如何利用Matlab功能块模拟螺旋星系的形成过程。用户可根据秒差距为单位的边界半径选择星系，并在设定的结束时间内获取边界半径内的粒子数量。每个星系包含1000个粒子，并且可以输入初始位置、速度、质量和半径，同时显示x、y和z轴的速度。根据需要添加或删除星系模型块，以适应不同数量的星系模拟需求。

Matlab 0 2024-08-24

粒子群特性

粒子群是一种群体智能优化算法。其特性包括：-群体性：粒子群由多个粒子组成，每个粒子代表一个潜在的解。-最优解记忆：每个粒子都会记录自己的历史最优解，并通过信息共享在群体中传播。-全局最优解搜索：粒子群通过更新粒子的速度和位置，不断接近群体中目前已知的全局最优解。-随机性：粒子群算法中引入随机性，以避免陷入局部最优解。-可扩展性：粒子群算法易于扩展到高维复杂问题。

算法与数据结构 4 2024-05-13

循环计数抽奖游戏

问题描述 n个人围成一圈进行抽奖游戏，从第一个人开始依次报数，报到第m个人即为中奖者。中奖者退出圈子后，从下一位继续报数，重复此过程直至抽出k个中奖者。 你的目标是：编写程序模拟此抽奖过程，并输出所有中奖者的编号。 输入 n：参与抽奖的人数 m：报数的间隔 k：中奖人数 输出 中奖者编号列表 例子 输入: n = 5, m = 2, k = 3 输出: [2, 4, 1] 解释: 第一轮报数，编号为2的人中奖。 第二轮报数，编号为4的人中奖。 第三轮报数，编号为1的人中奖。

算法与数据结构 4 2024-05-19

粒子滤波MATLAB实现

利用MATLAB，可以通过一系列步骤实现粒子滤波算法： 初始化: 生成一组随机样本（粒子），并为其分配权重。 预测: 根据系统模型，预测每个粒子的状态。 更新: 根据观测数据，更新每个粒子的权重。 重采样: 根据粒子权重，重新采样粒子，以消除权重低的粒子。 状态估计: 根据重采样后的粒子，估计系统的状态。 MATLAB提供了丰富的函数库，方便实现粒子滤波算法，例如：* randn 函数可以生成随机样本。* mvnrnd 函数可以生成多元正态分布的随机样本。* resample 函数可以根据权重进行重采样。

Matlab 4 2024-05-19

色环电阻计数器

色环计数器十分实用。

Memcached 8 2024-04-30

Matlab 雨流计数法

利用 Matlab 实施雨流计数法，轻松处理载荷数据。

Matlab 3 2024-05-26

指定区域计数变量定义

Value：指定一个值 system-missing：系统缺失值 system-or user missing：系统或用户缺失值 range through：指定一个闭区间，给出最大和最小值 range: lowest through n：最小值到某个给定值 range: n through highest：某个给定值到最大值

统计分析 4 2024-04-29

MapReduce单词计数Hadoop平台

使用MapReduce技术进行单词计数的Hadoop源码，能够高效处理多个文本数据集，最终输出每个单词的出现频率。可以通过自定义操作扩展功能，如优化Map阶段的数据采集、Combiner阶段的数据合并以及Reduce阶段的排序操作。每个阶段均会详细记录数据处理情况：Map阶段记录每次读取和切割后的单词内容；Combiner阶段输出单个分片内的单词统计结果；Reduce阶段展示出现频率最高的前10个单词。

Hadoop 0 2024-08-08

粒子群算法代码分享

探索优化问题的利器——粒子群算法，相关代码已公开，欢迎取用。

Access 3 2024-05-06

粒子群优化算法简介

粒子群算法，又称为粒子群优化算法或鸟群觅食算法（Particle Swarm Optimization，简称PSO），是由J. Kennedy和R. C. Eberhart等开发的一种新型进化算法。与模拟退火算法类似，PSO从随机解出发，通过迭代寻找最优解，但相较于遗传算法，PSO更为简单，不涉及交叉和变异操作，而是通过追随当前搜索到的最优值来寻找全局最优解。该算法因其易于实现、精度高、收敛速度快等特点而受到学术界的青睐，并在解决实际问题中展现出显著优势。PSO算法被广泛应用于并行计算领域。

算法与数据结构 0 2024-08-11