【WSN布局】基于差分进化策略结合杂草算法实现WSN节点优化部署matlab源码

简要介绍了稳定分布统计特性，推导了一种适用于α稳定分布噪声下盲信号分离的算法。该算法采用差分进化算法对目标函数自动寻优，求得分离矩阵，从而分离出信号。仿真结果表明：该算法分数低阶α稳定分布背景噪声条件下具有良好的分离效果。

针对传统狼群算法（WPA）存在易陷入局部最优解、计算资源耗费大、鲁棒性低等问题，提出一种基于差分进化的改进狼群算法（DWPA）。首先，通过引入探狼搜索因子、猛狼最大奔袭次数、自适应围攻步长、差分进化策略等对传统狼群算法进行了改进，在降低算法计算耗费的同时提高了算法的全局搜索能力；然后，运用马尔可夫链理论证明了DWPA的收敛性；最后，对13个测试函数进行寻优测试，并与WPA等四种算法进行对比分析。测试结果表明，DWPA具有良好的鲁棒性和全局搜索能力，在求解多峰、高维、不可分函数方面的寻优能力尤为突出。

【布局优化】基于差分进化算法求解电力负荷分配matlab源码.md

提出一种改进差分进化算法求解混合整数非线性规划问题。该算法利用同态映射方法，解决差分进化算法无法直接处理整数决策变量问题；提出改进的自适应交替变异算子，提高算法的搜索性能；提出一种自适应保留不可行解的方法处理约束条件，并对差分进化算法的选择算子进行改进，提出一种直接处理约束条件的新选择算子。六个常用的混合整数非线性规划问题的实验结果表明了该方法的有效性和适用性。

【预测模型】基于差分进化算法优化BP神经网络实现数据预测matlab源码.zip

多目标进化算法matlab代码sy-e 从原始存储库分叉 SyR-e 是一种 Matlab/Octave 代码，用于通过有限元分析和多目标优化算法设计同步磁阻电机。 它需要安装 Matlab/Octave 和 FEMM 软件。 推荐的 FEMM 版本是 2013 年 11 月 15 日发布的 4.2。Matlab/Octave 脚本将同步磁阻电机的参数化绘图实现为 .fem 文件，由 FEMM 软件进行分析。 在对机器进行有限元分析 (FEA) 后，将主要结果传递给 Matlab/Octave。 这既可用于借助多目标优化算法进行设计优化，也可用于后处理阶段的机器详细分析。 特性 同步磁阻电机的自动化设计 多目标差分演化 FEMM 和 XFEMM 支持 兼容 Matlab/Octave 语言 多核 PC 上的并行计算 跨平台 (Win/Linux) 功能

“厂网分开,竞价上网”是我国电力市场的发展趋势,而在我国电力市场迅速发展的同时,发展过程中难免出现一些问题。作为人们日常生活不可缺少的物质保障,电力资源必须实现有效的配置,这就势必要引入市场竞争机制,将电力当作商品进行交易,以此来满足我国居民的正常生活用电需求,同时也要保证工业和第三产业的稳定发展。通过建立电力市场竞价的数学模型,选取合适的目标函数,找准约束条件。同时采用Matlab软件进行数据分析,由DE算法得到的解均优于另2种算法所得到的解,仅最优解与EP相近。同时该算法得到的解偏差仅为0.09%,均优于其他2种算法。

二维遗传算法matlab代码使用DREAM软件包的马尔可夫链蒙特卡罗仿真-MATLAB实现 艾哈迈德·埃尔斯哈尔（Ahmed Elshall）博士在夏威夷大学马诺阿分校进行研究的代码 DREAM，其中包含过去和斯诺克更新的样本：DREAM_ZS 本文介绍的代码是马尔可夫链蒙特卡罗算法，该算法并行运行多个链以进行有效的后验。 名为DREAM_（ZS）的算法基于原始的DREAM采样方案，但是使用来自过去状态的档案库中的采样来在每个单独的链中生成候选点。 Vrugt等人已经提出了DREAM_（ZS）的理论和数值示例。 （2009）。 详细信息也可以在Ter Braak和Vrugt（2008）中找到。 从过去进行采样具有三个主要优点： （1）避免了使用N = d进行后探的要求。 这将加速收敛到有限的分布，特别是对于高维问题（大d）。 （2）离群链不需要明确考虑。 通过采样历史状态，异常轨迹可以在仿真期间的任何时间直接跳到模态区域。 因此，用DREAM_（ZS）模拟的N条路径在链中的每个单步台阶上都保持了详细的平衡。 （3）定义每个链中跳转的过渡内核不需要有关链当前状态的信息。 这在可以同时生成

传统的细菌觅食优化算法仅针对单目标优化问题寻优，为进一步发掘细菌群体智能在多目标优化问题中的寻优优势，提出了改进的多目标细菌觅食优化算法。在个体间互不支配时给出归一化的择优策略；引入差分思想完成复制操作，提高种群的多样性；采用栅格划分法进行迁徙操作，提高解集的分散性；同时使用外部集存放当前找到的非支配解，并不断对外部集进行优化。通过对多个标准函数进行测试并与其他几种算法的对比结果表明，所提出的多目标细菌觅食优化算法在解的收敛性和分散性指标上都有一定提升，能够有效解决多目标优化问题。