PSO粒子群优化算法的改进仿真matlab2021a测试，带有收缩因子的微粒群算法

c1=1.4962; %学习因子1 c2=1.4962; %学习因子2 w=0.7298; %惯性权重 MaxDT=20; %最大迭代次数-------k次迭代 D=12; %搜索空间维数（未知数个数）-----D维空间 N=100; %初始化群体个体数目--------m个粒子 eps=10^(-6); %设置精度(在已知最小值时候用)

基于flocking算法的多智能体动态系统编队仿真，matlab2021a测试仿真

基于PSO优化的BP网络的数据预测仿真，matlab2021a测试通过

N=12; % 每个染色体段数（十进制编码位数） M=200; % 进化代数 popsize=200; %设置初始参数，群体大小 length=10; % length为每段基因的二进制编码位数 chromlength=N*length; %字符串长度（个体长度），染色体的二进制编码长度 pc=0.7; %设置交叉概率，本例中交叉概率是定值，若想设置变化的交叉概率可用表达式表示，或从写一个交叉概率函数，例如用神经网络训练得到的值作为交叉概率 pm=0.3; %设置变异概率，同理也可设置为变化的 bound={-100*ones(popsize,1),zeros(popsize,1)};min=bound{1};max=bound{2}; pop=initpop(popsize,chromlength); %运行初始化函数，随机产生初始群体 ymax=500; K=1;

m=50 %种群分组数 n=35; %t每组青蛙包含的个数 Ne=25; %组内迭代数 smax = 100; %最大步长 MAXGEN=100; %种群总进化代数 d=25; %优化问题维数 pmax =1024; %d维最大值 pmin = -1024;%d维最小值

基于形态学处理的道路直线检测算法仿真，matlab2021a运行测试 [B,L] = bwboundaries(binary,'noholes'); for K=1:length(B) boundary = B{K}; h(K)=plot(boundary(:,2), boundary(:,1), 'g', 'LineWidth', 2); end

基于SURF特征点提取通过GTM去除错误匹配点最后进行图像配准，matlab2021a测试

基于DNN深度学习网络的OFDM信号检测算法的仿真，matlab2021a测试运行。 包含训练数据，DNN训练，误码率测试。

SNN脉冲神经网络中的IF神经元脉冲仿真.matlab2021a运行测试仿真 dt = 0.1; %time step [ms] Detat t_time =100; %total time of run [ms] V_th =10; %spike threshold [mV] V0= 1; %resting membrane potential [mV] R_m =10; %membrane resistance [MOhm] tau =10; %membrane time constant [ms] V_res =1; %value to reset voltage to after a spike [mV] t_ref=0; %refractory time constant [ms]