智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真代码

改进惯性因子，并且在PSO算法中引入变异操作进行改进粒子群算法。自适应变异是借鉴遗传算法中的变异思想，即对某些变量以一定的概率重新初始化。变异操作扩展了在迭代中不断缩小的种群搜索空间，使粒子能够跳出先前搜索到的最优值位置，在更大的空间中开展搜索，同时保持了种群多样性，提高算法寻找最优值的可能性。因此，在普通粒子群算法的基础上引入简单变异算子，在粒子每次更新之后，以一定概率重新初始化粒子。

可中断负荷是非常重要的需求侧资源.本文对于在保证系统安全的前提下进行可中断负荷的优化调度,基于二进制粒子群优化算法(BPSO)分时段优化调度特性不同的多个可中断负荷,以满足系统各时段削减容量的需求,同时满足可中断负荷的运行约束条件,并使供电公司支付的补偿费用最小以及执行中断的次数最少.使用加权的处理方法把可中断负荷优化调度的多目标优化问题简化为单一的目标函数,经实例验证基于BPSO的优化算法对可中断负荷的优化调度是有效的.

基于matlab的遗传算法及其在稀布阵中的应用 遗传算法 (Genetic Algorithm, GA) 是一种基于自然进化理论的优化算法，可以解决各种复杂的优化问题。在 MATLAB 中，可以使用 ga 函数来实现遗传算法。 在稀布阵 (Sparse Array) 中的应用，可以使用遗传算法来求解稀布阵的构建问题，即在给定的限制条件下，求解稀布阵的布局方式。这类问题可以转化为优化问题，使用遗传算法来求解。

为了达到配电网重构策略多目标优化的目的，采用随机权重的方法来构建目标函数。为了满足配电网在不同运行状态下的不同重构目标，各指标在目标函数中的权重会根据电网的运行状态动态调整。为解决二进制粒子群优化(binary particle swarm optimization，BPSO)算法求解速度慢的问题，提出了改进型BPSO算法。改进型算法可以将处于风险状态的设备快速转移到供电线路末端，从而提高系统的稳定性。最后，以IEEE 33节点系统为例进行仿真验证，将改进型BPSO算法和已有的3种算法进行对比，验证了改进算法具有计算时间短、网络损耗小、最大供电能力高等优点。

代码说明： 说明： 提供 基于粒子群算法优化的变分模态分解算法，适应度函数选择的是模糊熵(This paper presents a variational mode decomposition algorithm based on particle swarm optimization, and the selection of fitness function is fuzzy entropy) 文件列表： hk, 0 , 2019-06-10 hk\func_1.m, 889 , 2019-06-10 hk\MFE.m, 1522 , 2019-06-10 hk\PSOVMD算法之仿真改.m, 1954 , 2019-06-10 hk\VMD.m, 4302 , 2019-06-10 hk\ww13.TXT, 9476311 , 2019-06-10

Matlab实现GA-LSTM遗传算法优化长短期记忆网络的数据多输入单输出回归预测（完整源码和数据) 命令窗口输出MAE、MAPE、MSE、R2、MSE等指标。 优化学习率、隐藏层节点数、正则化系数。

随着以智能制造主导的第四次工业革命的兴起，在传统制造系统中可以进行联合优化决策。制造系统的整合优化影响着生产的效率和成本，如何对生产过程进行调度安排和对设备进行预防性维护成为当下各企业生产制造的重点研究对象。 近几年各种智能计算方法逐渐被引入到作业调度问题中，如遗传算法、模拟退火算法、启发式算法等。如何有效的安排各工件的加工顺序将直接关系到生产效率和生产成本,这是本文所要解决的问题之一。 java 本文以单台机器为例，利用遗传算法进行方案设计，将遗传算法应用到作业调度中去。在满足交货要求和生产要求的情况下，利用遗传算法对制造系统进行单机调度，从而完成制造系统的最优的调度计划和设备维护计划。通过编程实现最优的作业调度。

将认知无线电中的动态频谱分配技术应用在无线传感网中，针对工作在ISM（industrial，scientific and medical）频段的无线传感网面临的频谱资源紧缺问题，提出一种基于改进自适应遗传算法的动态频谱分配方案。该算法以图论着色模型为基础，以最大带宽收益和最小切换频率为目标函数，在交叉和变异过程中采用自适应交叉概率和变异概率代替固定的交叉概率和变异概率。仿真结果表明，与传统遗传算法和颜色敏感图论着色算法相比，该算法可以实现提高频谱利用率、降低能量消耗的预期目标。

针对带模糊需求与模糊时间窗的车辆路径问 题，以总行驶距离、车辆使用数最小化，以及平均客 户满意度最大化为目标，构建基于可信性测度理论 的多目标模糊机会约束模型。改进了交叉算子，在 引入局部优化算法及擂台法则的基础上设计了适合 求解多目标车辆路径问题的混合遗传算法，运行一 次程序可以得到两个或多个 Pareto 非支配解，决策 者可以根据最少车辆数及满意度最大化做出抉择。