该实验报告是基于matlab仿真工具，实现单层神经网络的仿真，从而详细讲解BP算法的原理。采用BP算法实现对信号的学习。BP神经网络是一个信号单向传播的多层前馈式误差反向传播神经网络。BP算法的基本思想是最小二乘法，它采用梯度搜索技术，使得网络的实际输出和理想输出的误差均方值为最小。其学习过程分两个过程：一是信号的正向传输，二是误差的反向传输。在信号的正向传输过程中，输入信号从输入层经隐含逐层处理，并传向输出层，每个神经元的状态只影响下一层神经元的状态，若输出层不能得到期望的输出，则转向反向传输，来不断修正各层神经元的权值使误差信号不断减小。

安全技术-网络信息-融合排水知识的BP网络与水力模型在城市内涝模拟中的研究.pdf

基于GA遗传优化算法的TSP最短路径规划的MATLAB仿真，matlab2021a仿真测试

设计一个波浪线的目标函数，通过GA优化动态显示优化值搜索过程，同时显示局部最优问题效果

通过GA遗传优化算法解决TSP商旅优化问题，matlab2021a测试

基于GA遗传优化算法的LQR控制器最优参数的仿真，在matlab2021a中仿真测试

基于GA遗传优化算法的TSP最优路径算法仿真，matlab2021a仿真 仿真结论如下 初始种群中的一个随机值: 12—>8—>7—>10—>2—>11—>6—>9—>13—>4—>5—>1—>3—>14—>12 总距离：63.0665 ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ 最优解: 9—>10—>1—>2—>14—>3—>4—>5—>6—>12—>7—>13—>8—>11—>9 总距离：29.3405 -------------------------------------------------------------

利用粒子群算法优化bp网络，使得网络更加精确

使用PSO粒子群和GA遗传分别去优化RBF网络参数并对比两者的性能

考虑“N-1”规划的matlab程序，采用了GA遗传优化算法，采用的IEEE6电网。matlab2021a仿真 %定义遗传算法参数 NIND=1000; %个体数目(Number of individuals) MAXGEN=100; %最大遗传代数(Maximum number of generations) GGAP=0.95; %代沟(Generation gap) trace=zeros(MAXGEN,2); %寻优结果的初始值 BaseV=crtbase([6 3],[3 5]);