外界环境一定的条件下，光伏电池输出的电流与电压不是线性 的，并且功率特性曲线显示，光伏电池存在一个最大输出功率（ ）的工作点，光伏电池应尽可能地工作在最大功率点处以提高光伏系统的效率。 实际情况光照强度、温度一直处于不断变化中，最大功率点跟踪就是通过一定的控 制装置和策略，调节等效输入阻抗，使电池获取最大可能的输出功率

根据计算方法中阐述的求积分方法编程：变步长梯形求积分 变步长抛物线求积分 复合抛物线求积分

代码是基于MATLAB的移动最小二乘法MLS的曲面拟合。代码是从mathworks上下载的MLS2D，经过自己的分析改进，有较大的提速，在i5 3450机上一幅98*144的图片以10等步长采样拟合只需要3s。代码仅供学习参考，我的博客有相关说明：https://blog.csdn.net/liumangmao1314/article/details/89421806

缩减视野和步长的人工鱼群算法，在MATLAB下运行通过，寻优效果比基本鱼群算法的好。

数值算法课程：变步长数值积分算法+动态演示，C语言+flash开发

属于变网格，对应的是声波各向同性介质，pml边界吸收问题数值模拟

变步长LMS算法变步长LMS算法变步长LMS算法变步长LMS算法变步长LMS算法

全称 Least mean square 算法。中文是最小均方算法。 　　感知器和自适应线性元件在历史上几乎是同时提出的，并且两者在对权值的调整的算法非常相似。它们都是基于纠错学习规则的学习算法。感知器算法存在如下问题：不能推广到一般的前向网络中；函数不是线性可分时，得不出任何结果。而由美国斯坦福大学的Widrow和Hoff在研究自适应理论时提出的LMS算法，由于其容易实现而很快得到了广泛应用，成为自适应滤波的标准算法。

传统的超分辨重建算法往往采用梯度下降法进行求解，迭代时步长往往通过经验确定。而且不同的图像的最优步长往往不相同。步长过大会导致发散，步长过小会导致收敛缓慢。本算法基于对正则化超分辨重建算法实现的基础上，对步长的选取进行了优化，推导出了每次迭代时的最优步长大小，并将其自适应化，改进了超分辨算法的收敛性，从而能够在更短的时间内取得更加精确的重建结果。相关具体内容请参考对应的论文：Yingqian Wang, Jungang Yang, Chao Xiao, and Wei An, "Fast convergence strategy for multi-image superresolution via adaptive line search," IEEE Access, vol. 6, no. 1, pp. 9129-9139.

改程序是用matlab编写的变步长LMS自适应滤波算法，并与其他的LMS算法做了比较