混沌粒子群优化算法，及其该算法的简单应用

自己修改的一个源程序，用粒子群算法优化RBF神经网络的中心值，宽度，权值，可以直接运行~喜欢分类、预测的朋友们，可以下载！

【图像分割】基于粒子群优化指数熵实现图像分割matlab源码.md

包括PSO、AsyLnCPSO、BreedPSO、CLSPSO、LinWPSO、LnCPSO、RandWPSO、SAPSO、SecPSO、SecVibratPSO、SelPSO、SimuAPSO、YSPSO算法的程序代码，对粒子群算法的学习研究有很大帮助

神经网络一种RBF神经网络的自适应学习算法

拉丹 自适应学习率的方差及超越 我们处于早期版本的Beta中。 期待一些冒险和艰难的边缘。 目录 介绍 如果热身是答案，那么问题是什么？ Adam的学习速度预热是在某些情况下（或eps调整）进行稳定训练的必备技巧。 但是基本机制尚不清楚。 在我们的研究中，我们提出一个根本原因是自适应学习率的巨大差异，并提供理论和经验支持证据。 除了解释为什么要使用预热之外，我们还提出RAdam ，这是Adam的理论上合理的变体。 动机 如图1所示，我们假定梯度遵循正态分布（均值：\ mu，方差：1）。 模拟了自适应学习率的方差，并将其绘制在图1中（蓝色曲线）。 我们观察到，在训练的早期阶段，自适应学习率具有很大的差异。 将变压器用于NMT时，通常需要进行预热阶段以避免收敛问题（例如，图2中的Adam-vanilla收敛于500 PPL左右，而Adam-warmup成功收敛于10 PPL以下）。 在进

针对多输入多输出（MIMO）复杂过程控制中控制性能偏慢等问题，对神经网络PID控制器以及PID控制理论物理机制之间的相互作用进行了研究。对神经元PID控制器隐层和输出层之间的初始权值进行了归纳，提出了一种粒子群优化算法，提高了PSO算法的收缩因子以保证优化的收敛性，并进行了Matlab仿真。研究结果表明，所提出的神经网络PID控制器的改进粒子群算法优化，在高耦合效应的复杂MIMO对象中具有良好的精度以及快速响应的特性。

Matlab多种群遗传算法的函数优化算法-代码实例，包含谢菲尔德遗传算法工具箱

有限脉冲响应(FIR)数字滤波器的设计，实质上是一个多参数优化问题。将粒子群优化算法与混沌相结合来设计FIR数字滤波器，并用该方法设计了一个高通滤波器。与用Parks-McClellan算法设计得到的高通滤波器进行对比发现，基于混沌粒子群优化算法(CPSO)的FIR滤波器通带波动小，阻带衰减大，从而证明了该算法的有效性和优越性。

基于PSO粒子群优化算法的车间调度matlab仿真程序最后输出调度结果以及甘特图，matlab2021a测试。