内容概要：本文详细介绍了基于多目标粒子群优化（MOPSO）和TOPSIS决策方法，在33节点配电系统中进行储能选址定容的MATLAB实现。首先，通过粒子群算法初始化粒子，定义粒子的速度和位置，其中位置包括发电机出力、储能位置和容量参数。接着，适应度函数用于评估电网脆弱性、网损和储能容量三个目标，采用电压偏移量加权、潮流计算等方式计算适应度。然后，利用拥挤度计算和非支配排序维护外部归档集，确保解集的多样性和分布性。最后，基于信息熵的TOPSIS方法选出最优解。实验结果显示，储能优选在17、29号节点，总容量约为1.2MW，网损降低18%，电压越限次数显著减少。 适合人群：从事电力系统优化研究的技术人员、研究生以及相关领域的研究人员。 使用场景及目标：适用于电力系统储能优化项目，旨在找到储能设备的最佳安装位置和容量配置，以提高电网的稳定性和经济性。 其他说明：文中还讨论了粒子群惯性权重的动态调整、适应度计算的具体实现、拥挤度计算的细节以及TOPSIS方法的应用技巧。此外，作者分享了一些调试经验和踩坑经历，如粒子速度更新的约束处理和初始化策略的选择。

为解决在线学习中出现的“认知过载”和“学习迷航”等问题, 针对用户的个性化学习需求, 同时考虑知识点之间的逻辑关系, 本文将知识图谱融入学习资源推荐模型. 首先构建了学科知识图谱、学习资源模型和用户数学模型, 综合考虑用户的兴趣偏好、用户知识库与学习资源所涵盖知识点的关联度以建立多目标优化模型. 然后使用自适应多目标粒子群算法对模型求解, 基于个体拥挤距离降序排列缩减外部种群规模, 获得了分布特征良好的两目标Pareto前沿, 输出推荐资源序列. 实验时通过与标准多目标粒子群算法对比并使用HV、IGD指标对模型进行评价, 验证了其多样性和稳定性, 证明了算法良好的全局寻优和收敛性能. 采用五折交叉验证了算法良好的推荐效用.

龙眼生长素响应因子ARF3密码子偏好性分析，赖瑞联，林玉玲，为了解生长素响应因子密码子使用特性，试验采用CodonW、SPSS软件及EMBOSS在线程序等分析龙眼ARF3密码子偏好性，并分别与龙眼ARF其它成员�

为进一步提高个性化标签推荐性能，针对标签数据的稀疏性以及传统方法忽略隐藏在用户和项目上下文中潜在标签的缺陷，提出一种基于潜在标签挖掘和细粒度偏好的个性化标签推荐方法。首先，提出利用用户和项目的上下文信息从大量未观测标签中挖掘用户可能感兴趣的少量潜在标签，将标签重新划分为正类标签、潜在标签和负类标签三类，进而构建〈用户，项目〉对标签的细粒度偏好关系，在缓解标签稀疏性的同时，提高对标签偏好关系的表达能力；然后，基于贝叶斯个性化排序优化框架对细粒度偏好关系进行建模，并结合成对交互张量分解对偏好值进行预测，构建细粒度的个性化标签推荐模型并提出优化算法。对比实验表明，提出的方法在保证较快收敛速度的前提下，有效地提高了个性化标签的推荐准确性。

项目目的： 该项目主要研究目的是通过分析抖音的那些大V们，来探索什么样的视频在抖音里最受欢迎，并构建预测模型。 项目问题： 1、抖音大V账号的行为数据的基本情况如何？ 2、什么样的大V拥有更多的粉丝数、点赞数、评论数以及分享数？ 3、抖音大V用户对其他用户的回关度如何？ 本次的数据为2018年抖音用户数据，来源于公众号【法纳斯特】 数据主要包含大V们的昵称、性别、地点、类型、点赞数、粉丝数、视频数、评论数、分享数、关注数、毕业学校、认证、简介等信息。 （注：由于时间的原因,目前抖音大V的数据会与本次数据分析结果会有一定出入）

根据调查所搜集的数据,应用扎根理论分析了老年人参与体育活动的情况。结果发现,老年人参与体育活动的偏好特征为:健身长寿、防病治并愉悦身心、渴望交往和改善人际关系等。另外容易受伤、没有同伴、缺乏组织等也是影响老年人参加体育锻炼的重要因素。

NSGA-II 基于参考点的算法原理实现参考文献，该文献介绍了reference point和predator-prey两种方法

机器学习-学习笔记(一) --> （假设空间 & 版本空间）及 归纳偏好.doc

1、描述 Book Crossing 是一个书籍推荐系统数据，用以向用户推荐偏好的书籍。 由Cai-Nicolas Ziegler在经过4周的爬网（2004年8月/ 2004年）中，在人类系统 首席技术官Ron Hornbaker的允许下，从Book-Crossing社区中收集。包含278,858个用户（匿名但具有人口统计信息），提供1,149,780个评分（显式/隐式），约271,379本书。数据集中包含三张表，分别BX用户表，BX书表，BX书评表。 属性信息如下： BX用户表 User_ID 用户id Location 位置 Age 年龄 BX书 ISBN ISBN标识 Book-Title 书名 Book-Author 书作者 Year-Of-Publication 出版年 Publisher 发布者 Image-URL-S Image-URL-M Image-URL-L BX书评 包含书评信息。等级（Book-Rating）是显式的，以1-10（较高的值表示较高的欣赏度）表示，

****************************************************** ****************************************************** ************** 重要提示：这个工具箱是作为我博士的一部分开发的（2014 年结束）。 我决定保留此版本用于比较目的，不会更新。 我邀请您检查此算法的新扩展版本，该版本将根据我们对该主题的研究进展，以新的机制和功能进行更新： https://www.mathworks.com/matlabcentral/fileexchange/65145 ****************************************************** ****************************************************** *