基于PSO算法的 -SVM算法参数优化，王洁，白静，在v-SVM算法参数选择中，现多采用反复试验的方法，局限性较大且操作复杂。因此，本文采用了粒子群算法来优化v-SVM中的参数，并将之��

基于设计的点预测控制器及其鲁棒性分析，得到的任意动态矩阵控制器都可以由点预测控制器的加权和表示，而其鲁棒性亦可由点预测控制器的鲁棒性加权和近似表示。本文进一步分析了为改善预测控制中的矩阵求逆条件和控制器的稳定性而采取对预测控制器的控制增量△u（t）加人惩罚因子后的鲁棒性，得到其鲁棒性不小于原控制器，并在此基础上分析了控制器参数对系统鲁棒性的影响和为提高鲁棒性而进行参数调整的方法，为动态矩阵控制在过程控制中的应用提供指导。

作为工程优化技术的优秀代表，Isight 5.5软件由法国Dassault/Simulia公司出品，能够帮助设计人员、仿真人员完成从简单的零部件参数分析到复杂系统多学科设计优化（MDO, Multi-Disciplinary Design Optimization）工作。Isight将四大数学算法（试验设计、近似建模、探索优化和质量设计）融为有机整体，能够让计算机自动化、智能化地驱动数字样机的设计过程，更快、更好、更省地实现产品设计。毫无疑问，以Isight为代表的优化技术必将为中国经济从“中国制造”到“中国创造”的转型做出应有的贡献

参数优化理论与实例详解书中每章Isight程序，适用于isight初学者

基于遗传算法优化多尺度排列熵参数，类似于粒子群算法优化参数

针对PID控制器参数整定问题,提出一种基于改进粒子群优化算法的优化方法。该方法在实数编码及设定参数搜索空间的基础上,采用基于指数曲线的非线性惯性权值递减策略,以较大幅度地提高算法的收敛速度和精度;嵌入基于差分进化算法变异算子的局部搜索策略,以有效提高粒子个体的适应性和群体的多样性,改善解的质量,同时增强算法全局空间探索和局部区域改良能力的平衡。仿真结果表明,该方法与传统和智能算法相比较,所得到的控制器参数能够使控制系统获得更好的动态响应特性和满意的控制效果。

生成对抗神经网络matlab代码神经网络的鲁棒性 团队成员： 里查·辛格 FNU萨钦 注意：由于文件较大，我们无法上传 EMNIST 数据集 emmist-balanced.mat 文件。 这个数据集可以在链接上找到。 如果找不到，请发送电子邮件至 或 。 项目内容： src/main.ipynb：运行 PDF 报告中提到的代码的 Pyhton notebook。 src/emmist-balanced.mat：EMNIST 数据集的 MATLAB 格式（由于大小超过 25 MB，无法上传）。 src/adversarial_examples.py：生成各种对抗样本的脚本。 src/plots.py：绘制各种分析图的脚本。 src/train_network.py：用于训练基本和蒸馏神经网络的脚本。 src/l0_attack.py：为我们的基础设施修改的作者代码。 包含 L-0 攻击。 src/l2_attack.py：为我们的基础设施修改的作者代码。 包含 L-2 攻击。 src/li_attack.py：为我们的基础设施修改的作者代码。 包含 L-Infinity 攻击。 src

适合控制过程中用到的鲁棒性，鲁棒性控制在matlab中的仿真

低温地热间接供热换热参数优化与MATLAB实现.pdf

基于MATLAB的模糊控制器的参数优化方法及仿真.pdf