Optuna：超参数优化框架 文件| 安装指南| 教程Optuna是一个自动超参数优化软件框架，专门为机器学习而设计。 它以Optuna为特色：超参数优化框架 文件| 安装指南| 教程Optuna是一个自动超参数优化软件框架，专门为机器学习而设计。 它具有命令式，按运行定义样式的用户API。 多亏了我们的按运行定义API，用Optuna编写的代码具有高度的模块化，并且Optuna的用户可以动态构造超参数的搜索空间。 关键特性Optuna具有以下现代功能：

提出一种直接利用均匀分布于待逼近系统输入空间的 I/ O 数据,快速构造满足一定精度要求 的模糊逻辑系统方法,并从理论上证明了该方法的可行性。在此基础上采用一种新型的 GA+ BP 混合 算法对模糊逻辑系统进行优化,以求用最少的规则数实现满意的精度。 数字仿真结果表明这种快速构造 和优化方法是可行和高效的。

提出了一种改进的RBF神经网络参数优化算法。通过资源分配网络算法确定隐含层节点个数，引入剪枝策略删除对网络贡献不大的节点，用改进的粒子群算法对RBF网络的中心、宽度、权值进行优化，使RBF网络不仅可以得到合适的结构，同时也可以得到合适的控制参数。将此算法用于连续搅拌釜反应器模型的预测，结果表明，此算法优化后的RBF网络结构小，并且具有较高的泛化能力。

电力行业旋翼无人机智能遗传算法参数优化.pdf

基于生理学的毒物动力学（PBTK）模型为环境风险评估提供了广阔的前景，有可能加快剂量React研究，同时最大程度地减少动物试验。 PBTK领域存在一些局限性，例如模型开发困难以及缺少可帮助建模人员的专用软件工具。 PBTK模型中使用的某些参数（例如组织重量）很容易测量。 其他参数可以通过体外实验确定，也可以使用已公开的公式通过外推法确定。 如果无法使用这些方法来估计参数，则可以使用技术来优化参数，以使模型结果最适合验证数据。 该工具旨在将用户指定的参数列表优化为用户指定的PBTK模型。 用户还控制验证数据和优化算法。 除了优化参数之外，该工具还输出有关优化模型拟合度的统计信息。

基于PSO算法的 -SVM算法参数优化，王洁，白静，在v-SVM算法参数选择中，现多采用反复试验的方法，局限性较大且操作复杂。因此，本文采用了粒子群算法来优化v-SVM中的参数，并将之��

作为工程优化技术的优秀代表，Isight 5.5软件由法国Dassault/Simulia公司出品，能够帮助设计人员、仿真人员完成从简单的零部件参数分析到复杂系统多学科设计优化（MDO, Multi-Disciplinary Design Optimization）工作。Isight将四大数学算法（试验设计、近似建模、探索优化和质量设计）融为有机整体，能够让计算机自动化、智能化地驱动数字样机的设计过程，更快、更好、更省地实现产品设计。毫无疑问，以Isight为代表的优化技术必将为中国经济从“中国制造”到“中国创造”的转型做出应有的贡献

参数优化理论与实例详解书中每章Isight程序，适用于isight初学者

基于遗传算法优化多尺度排列熵参数，类似于粒子群算法优化参数

针对PID控制器参数整定问题,提出一种基于改进粒子群优化算法的优化方法。该方法在实数编码及设定参数搜索空间的基础上,采用基于指数曲线的非线性惯性权值递减策略,以较大幅度地提高算法的收敛速度和精度;嵌入基于差分进化算法变异算子的局部搜索策略,以有效提高粒子个体的适应性和群体的多样性,改善解的质量,同时增强算法全局空间探索和局部区域改良能力的平衡。仿真结果表明,该方法与传统和智能算法相比较,所得到的控制器参数能够使控制系统获得更好的动态响应特性和满意的控制效果。