【图像分割】基于粒子群优化指数熵实现图像分割matlab源码.md

【预测模型】粒子群算法优化CNN预测【含Matlab源码 362期】.zip

matlab如何敲代码自适应合作PSO Matlab的自适应协同粒子群优化算法（ACPSO）算法。 抽象的 介绍了一种自适应合作粒子群优化器（ACPSO），它通过学习自动机（LA）算法为合作技术提供了便利。 ACPSO的合作学习策略可以协同优化问题，并在不同情况下对其进行评估。 在ACPSO算法中，与问题的维度相关联的一组学习自动机正试图找到搜索空间的相关变量，并智能地优化问题。 ACPSO的这种集体行为将完成群体成员自适应选择的任务。 对四种类型的基准测试服进行了仿真，这些基准测试服除了一组新的主动坐标旋转测试功能外，还包含三个最新的数值优化基准功能。 结果证明了ACPSO在寻找搜索空间相关变量方面的学习能力，并描述了ACPSO如何有效地优化了坐标旋转多峰问题，合成函数和高维多峰问题。 参考 [1] Mohammad Hasanzadeh，Mohammad Reza Meybodi和Mohammad Mehdi Ebadzadeh”，“应用情报”，2013年，第1卷。 39号2，第397-420页。

包括PSO、AsyLnCPSO、BreedPSO、CLSPSO、LinWPSO、LnCPSO、RandWPSO、SAPSO、SecPSO、SecVibratPSO、SelPSO、SimuAPSO、YSPSO算法的程序代码，对粒子群算法的学习研究有很大帮助

利用numpy库实现的粒子群优化算法

针对冷轧企业大批量生产模式与多品种、小批量的市场需求之间存在的矛盾, 建立以合同交货期差异度、工艺路线差异度和调整次数最小化为目标, 同时满足批次重量、出(入)口 宽度、出(入)口厚度、抗拉强度等工艺约束的冷轧合同组批模型, 构建了基于改进粒子群的模糊聚类算法并进行求解. 利用国内某冷轧企业实际生产数据对所提出模型和算法进行了验证, 结果表明, 所提出的方法优于FCM算法, 能够满足企业批量计划的需求.

配电网重构是指在满足配电网运行基本约束的前提下，通过改变配电网中一个或多个开关的状态对配电网中一个或多个指标进行优化。 本代码以一种改进二进制粒子群算法为例，进行配电网的重构研究。本代码目标函数为配电网有功网损最小，可自行修改为其他函数。 传统二进制粒子群算法容易陷入局部最优。针对这一问题，本代码从两个方面进行改进：1.初始化和更新粒子时考虑配电网拓扑约束以缩小粒子搜索范围，增强算法收敛能力；2.加入变异的机制。 采用IEEE33节点系统作为算例，算法运行时重构过程通过动画进行动态显示；运行结束后输出重构前后系统节点电压的对比曲线图。

matlab代码粒子群算法ODEm（使用Matlab的最佳设计实验） ODEm（使用Matlab进行最佳设计实验）是使用Matlab开发的用于计算最佳设计实验的程序。 该程序包括启发式算法，例如粒子群优化（PSO），模拟退火（SA），遗传算法（GA），精确方法，例如内部点方法（IP），有效集方法（AS），顺序二次规划（SQP） ，Nelder Mead（NM）以及精确和启发式方法的杂交。 使用Windows安装程序 您可以在中找到安装程序。 该工具将在您的计算机中安装ODEm作为附件。 如果是第一次安装该应用程序，则将要从Internet下载并安装MATLAB Runtime库（大约500 MB）。 这可能需要几分钟，具体取决于连接的质量。 先决条件 A Windows Operating System. 将问题数据恢复为默认值 如果您使用的是Windows安装程序，并且要将问题数据恢复为默认值，则需要删除Matlab缓存。 要完成此任务，您需要进入目录C：\ Users \“您的计算机用户” \ AppData \ Local \ Temp \“您的计算机用户” \ mcrCache

matlab 粒子群算法做规划，做14节点的潮流计算算法

针对无线传感网络中数据融合需求的多样性，提出了一种新的簇内数据融合方法。该方法基于信息熵可反映节点数据分布的统计特性，首先对节点内数据并查集的信息熵进行最大寻优、自动确定融合的上下限阈值，完成节点局部数据融合；同时考虑簇内信息分布的空间特性，对簇内二维信息熵进行最大寻优，并由此确定簇内数据融合的阈值、实现冗余数据过滤；最后就该方法与传统的数据融合策略进行了仿真比较。实验结果验证了该方法简单，可有效实现全局数据融合，显著降低节点能耗。