随机搜索法
⑴ 通过变异操作，使遗传算法具有局部的随机搜索能力.为什么
变异操作产生新个体，使种群多样化程度增加，进化方向变多，相当于搜索的方向增加、搜索空间变大。
⑵ 随机输入一组数组元素值，使一个数组有序。然后随机输入一个数，用折半查找法在数组中查找，如在数组中
#include <iostream>
#include <math.h>
#include <fstream>
#include<math.h>
#include<string.h>
using namespace std;
int main() {
int s[15];
for(int i=0;i<15;i++){
cin>>s[i];
}
for(int i=0;i<14;i++)
{
for(int k=i;k<15;k++)
{
if(s[i]>s[k])
{
int temp=s[i];
s[i]=s[k];
s[k]=temp;
}
}
}
int num;
cout<<"输入一个想找的数";
cin>>num;
int low=0;
int hight=14;
int mid;
while(low<=hight)
{
mid=(low+hight)/2;
if(num==s[mid])
{
cout<<"找到了位于"<< "s["<<mid<<"]";
return 0;
}
else if(num>s[mid])
{
low=mid+1;
}
else if(num<s[mid])
{
hight=mid-1;
}
}
cout<<"没有找到";
return 0;
}
⑶ 计算机中的顺序查询，随机查询，直接查询什么意思
计算机中的顺序查询是指：是按照序列原有顺序对数组进行遍历比较查询的基本查找算法。对于任意一个序列以及一个给定的元素，将给定元素与序列中元素依次比较，直到找出与给定关键字相同的元素，或者将序列中的元素与其都比较完为止。
计算机中的随机查询是指：从数据中随机抽出一个数字跟5比较，比如第一次随机抽到了4跟5比较，然后再随机抽一个3跟5比较，不断的随机抽然后比较，最终找到结果。
计算机中的直接查询是指：基于启发式方法的只利用目标函数值信息的无约束优化方法，如坐标轮换法、鲍威尔法，称为直接搜索法。因为直接搜索法既不需要计算也不要逼近导数，他们常常被描述成“导数无关”。
(3)随机搜索法扩展阅读：
直接查询法一般被分为三类，许多在应用文献中提到的新方法都是这三种方法的基本原理的改进版本。分为：模式搜索法、单纯形法、搜索方向集适应法。
模式搜索法（Pattern search）用一系列的点模式考虑目标函数的行为的试探位移来刻划。所有都依赖于有理格。试探位移由当前迭代邻近网格的点访问的系统策略组成。在戴维森的 ANL 5990[2]延期的序言中，他描述了最基础的一种模式搜索算法，由于这么简单而没有归类。
单纯形搜索法（Simplex search）由指导搜索的简单策略刻划。第一个单纯形方法是在 1962 年由 Spendley et al.[3]在论文中提出的。他们是由于早期的直接搜索法在任何地方都需要 2n 到 2n 个目标估值完成叠代改进的搜索的事实。
搜索方向集适应法，最后一个经典方法的家族包括 Rosenbrock 和 Powell 的方法，称作搜索方向集适应法（Methods with adaptive sets of search directions）。这些算法试图利用在搜索过程中获得的函数曲率的信息构造方向来加速搜索。
⑷ 网络内容随机搜索
有这样的原因是搜索引擎搜集了你曾经搜索的关键字，只要把浏览器打开反跟踪就行了。或者使用带有无痕上网模式的浏览器。360 UC等都有无痕模式。
⑸ 概率搜索算法有哪些，除了遗传算法和蚁群
遗传算抄法(Genetic Algorithm，GA)是由Holland J．H．于20世纪袭70年代提出的一种优化方法，其最优解的搜索过程模拟达尔文的进化论和“适者生存”的思想。
蚁群算法(Ant Colony Optimization, ACO)，是一种用来在图中寻找优化路径的机率型算法。
两种算法从概念上都属于随机优化算法，遗传算法是进化算法，主要通过选择、变异和交叉算子，其中每个基因是由二进制串组成；蚁群算法是基于图论的算法，通过信息素选择交换信息。
⑹ Matlab 简单的随机搜索方法
句话的写法可以用： A=[23,44,52,99];A(ceil(rand*4)) 其实没必要过于纠结用一句，先抽下标的做法可读性更好。 关于ceil(rand*4)抽样的均匀性，可以用下面语句很简单地进行验证： hist(ceil(rand(1000000,1)*4))
⑺ 什么是随机选取法
目前有三种： 1. 随机选取法：根据状态空间的控制指标，由计算机随机的抽取一道试题放入试题库，此过程不断重复，直到组卷完毕，或已无法从题库中抽取满足控制指标的试题为止。该方法结构简单，对于单道题的抽取运行速度较快，但是对于整个组卷过程来说组卷成功率低，即使组卷成功，花费时间也令人难以忍受。尤其是当题库中各状态类型平均出题量较低时，组卷往往以失败而告终。 2. 回溯试探法：这是将随机选取法产生的每一状态类型纪录下来，当搜索失败时释放上次纪录的状态类型，然后再依据一定的规律（正是这种规律破坏了选取试题的随机性）变换一种新的状态类型进行试探，通过不断的回溯试探直到试卷生成完毕或退回出发点为止，这种有条件的深度优先算法，对于状态类型和出题量都较少的题库系统而言，组卷成功率较好，但是在实际到一个应用时发现这种算法对内存的占用量很大，程序结构相对比较复杂，而且选取试题缺乏随机性，组卷时间长，后两点是用户无法接受的，因此它也不是一种很好的用来自动组卷的算法。 3. 遗传算法：是一种并行的、能够有效优化的算法，以morgan的基因理论及eldridge 与gould间断平衡理论为依据，同时融合了mayr的边缘物种形成理论和bertalanffv一般系统理论的一些思想，模拟达尔文的自然界遗传学：继承（基因遗传）、进化（基因突变）优胜劣汰（优的基因大量被遗传复制，劣的基因较少被遗传复制）。其实质就是一种把自然界有机体的优胜劣汰的自然选择、适者生存的进化机制与同一群体中个体与个体间的随机信息交换机制相结合的搜索算法。
⑻ 请问关于禁忌搜索算法
禁忌（TabuSearch）算法是一种亚启发式(meta-heuristic)随机搜索算法[1]，它从一个初始可行解出发，选择专一系列的属特定搜索方向(移动)作为试探，选择实现让特定的目标函数值变化最多的移动。为了避免陷入局部最优解，TS搜索中采用了一种灵活的“记忆”技术，对已经进行的优化过程进行记录和选择，指导下一步的搜索方向，这就是Tabu表的建立。Tabu表中保存了最近若干次迭代过程中所实现的移动的反方向移动，凡是处于Tabu表中的移动，在当前迭代过程中是不允许实现的，这样可以避免算法重新访问在最近若干次迭代过程中已经访问过的解群，从而防止了循环，帮助算法摆脱局部最优解。另外，为了尽可能不错过产生最优解的“移动”，TS搜索还采用“释放准则”的策略。
⑼ 可以采取什么方式来实现对变长记录文件进行随机检索
为变长记录文件建立一张索引表，索引表中记录每一个变长记录项的地址。因为检索索引表是对定长文件进行检索，就可以实现随机检索。
⑽ matlab随机方向搜索法的模板程序 求大神帮助
你是不是想用指数来作为横坐标表示函数图像？
你可以试一下semilogx或者semilogy这两个绘图函数，用法与plot相同，举个例子：
x=-1000:1000;
y=log(x);
plot(x,y);
set(gca,'XTickLabel',{'10^-3' '10^-1' '10^1' '10^3' '10^5'})
绘图结果是图1。
x=-1000:1000;
y=log(x);
plot(x,y);
semilogx(x,y)