广义正态分布优化算法(GNDO)详解:从理论到实践
1 算法概述与数学基础
1.1 正态分布理论的数学基础
广义正态分布优化算法(Generalized Normal Distribution Optimization, GNDO)是一种于2020年提出的新型元启发式优化算法,其核心思想源于概率统计中的正态分布理论。正态分布(也称为高斯分布)是描述自然现象的重要数学工具,在统计学和概率论中具有基础性地位。
正态分布的概率密度函数可以表示为:
f ( x ) = 1 2 π δ e x p ( − ( x − μ ) 2 2 δ 2 ) f(x)=\frac{1}{\sqrt{2\pi}\delta}exp\left(-\frac{(x-\mu)^{2}}{2\delta^{2}}\right) f
订阅专栏 解锁全文
51




被折叠的 条评论
为什么被折叠?



