遗传算法的3种改进方法和分析，对遗传算法改进的理论分析！

遗传算法改进BP人工神经网络，有利于大家将模式识别精度提高。

本人自写的多目标优化遗传算法改进程序，亲测可用，并有详细标注，希望对需要者有用

本程序主要是对人工蜂群算法进行了优化实现，参考文献为 D. Karaboga and B. Gorkemli, "A quick artificial bee colony -qABC- algorithm for optimization problems," 2012 International Symposium on Innovations in Intelligent Systems and Applications, Trabzon, 2012, pp. 1-5.

代码实现了基于遗传算法的模糊c均值算法，用于改进FCM当中的局部收敛问题，以达到全局最优。

各类自适应滤波算法，包括LMS算法、不加限制的变步长LMS算法、加限制的变步长LMS算法、改进的变步长（加限制）LMS算法、NLMS算法、PNLMS算法、IPNLMS算法、UPNLMS算法、RLS算法、APA算法等的详细MATLAB代码，本人毕设成果，均已运行成功，现将自适应滤波算法那块的核心算法全部奉上，有不懂的地方相互交流！！！

针对无线传感网络中的 DV－hop 定位算法误差较大、定位精度不高的问题， 提出了基于跳距加权的改进 DV －hop 定位算法。对未知节点周围的信标节点进行加权， 得到精度更高的跳距以减小定位误差。权重依据未知节点距信标节点的跳距和信标节点可信度来确定， 离未知节点越远的信标节点权重越小。信标节点可信度根据其自身的误差来衡量， 信标节点误差越大则其可信度越低， 其权重也越小。具体实现过程为， 选取距未知节点 n 跳以内的信标节点作为参考节点， 对参考节点的跳距进行加权得到未知节点的平均跳距， 并根据未知节点到参考节点的跳数， 计算得到未知节点距参考节点的距离。利用最小二乘法求得未知节点坐标。仿真实验结果表明， 改进的 DV－hop 定位算法的精度比经典 DV－hop 提高了 28%左右。

本实验使用一下算法 使用rand（）函数随机产生页面号，用数组装入页面号，模拟页面调入内存中发生页面置换的过程。 整个过程，都是使用数组来实现每个算法，模拟队列，模拟堆栈的功能，实现每一个置换算法。 页面置换算法 最佳置换算法（OPT）：选择永不使用或是在最长时间内不再被访问（即距现在最长时间才会被访问）的页面淘汰出内存。用于算法评价参照。 随机置换算法 （S）：产生一个取值范围在0和N-1之间的随机数，该随机数即可表示应被淘汰出内存的页面。 先进先出置换算法（FIFO）：选择最先进入内存即在内存驻留时间最久的页面换出到外存。 最近最久未使用置换算法（LRU）: 以“最近的过去”作为“最近的将来”的近似，选择最近一段时间最长时间未被访问的页面淘汰出内存 Clock置换算法:为进入内存的页面设置一个访问位，当内存中某页被访问，访问位置一，算法在选择一页淘汰时，只需检查访问位，若为0，则直接换出，若为1，置该访问位为0，检测内存中的下一个页面的访问位。 改进型Clock置换算法： ①从查寻指针当前位置起扫描内存分页循环队列，选择A=0且M=0的第一个页面淘汰；若未找到，转② ② 开始第二轮扫描，选择A=0且M=1的第一个页面淘汰，同时将经过的所有页面访问位置0；若不能找到，转①

BP神经网络的算法改进及应用，算法的具体实现

时间过得很快啊，研三的都毕业离校了，实验室有一个硬件演示系统的上位机部分需要我继承下来，由于是用C#编写的，所以最近看了一下这方面的内容。光看不练效果自然不好，在六维上找来一个C#开发扫雷游戏的视频，边看编写，虽然视频有些部分没有讲到，但还是学到不少东西，也通过自己的理解对视频给出的部分算法还有界面做了改变。 具体描述，请见博文：http://blog.csdn.net/lvchuanseu/article/details/25336081