Fortran相关算法资料，附有相关算法的代码，可以方便学习使用

智能算法之粒子群算法及改进. **智能算法：粒子群算法（Particle Swarm Optimization，PSO）** **资源描述：** 1. **算法原理与思想：** 粒子群算法是一种基于群体智能的优化算法，灵感来自于鸟群或鱼群等自然界中群体的协作行为。在PSO中，问题的解被看作是一群粒子，在解空间中不断移动，通过跟随历史上最优解（局部最优解）和整个群体的最优解（全局最优解）来寻找最优解。 2. **基本步骤：** - 初始化粒子群的位置和速度。 - 计算每个粒子的适应度（目标函数值）。 - 更新每个粒子的速度和位置，以便它们向着历史上最优解和群体的最优解移动。 - 重复上述步骤，直到达到预定的停止条件（例如，迭代次数达到预定值或找到满足要求的解）。 3. **算法优势：** - PSO算法简单易懂，容易实现。 - 由于其并行性，PSO适用于高维优化问题。 - PSO具有全局搜索能力，能够找到接近全局最优解的解。 4. **改进的粒子群算法：** - 多种改进的粒子群算法被提出，例如自适应权重PSO（Adapti

nsga ii算法代码MATLAB 版权 您可以随意使用此算法（）进行研究。 所有使用此代码的出版物都应感谢作者。 路易斯·费利佩·阿里扎·韦斯加（Luis Felipe） 一种快速的非支配排序遗传算法扩展，可以解决多目标问题。 2019年3月。电子邮件：，。 @online{NonofficialNSGAIII, title={A Fast Nondominated Sorting Genetic Algorithm Extension to Solve Many-Objective Problems}, author={Luis Felipe Ariza Vesga}, url = {https://github.com/lfarizav/NSGA-III} month = March, year={2019}, lastaccessed = "March 17, 2019", } NSGA-III：一种快速的非支配排序遗传算法扩展，用于解决多目标问题（非官方） 这项工作在C语言中提供了第三种快速进化的非支配排序遗传算法（NSGA-III）实现，扩展了存储在坎普尔遗传算法实验室（K

KNN算法源代码，包括kd树生成、kd树搜索，kNN算法在分类问题中有广泛的应用

matlab广度优先算法代码反向剪麦奇 组合优化：反向Cuthill Mckee排序算法（RCM） RCM算法 这是用于反向Cuthill Mckee排序算法（RCM）的Matlab代码。 RCM是一种将具有对称稀疏模式的稀疏矩阵置换为带宽小的带矩阵形式的算法。 实际上，与应用高斯消除法的CM命令相比，这通常导致较少的填充。 它从外围节点开始，然后生成级别，直到所有节点耗尽为止。 这些节点以递增的顺序列出。 最后一个细节是广度优先搜索算法的唯一区别。 语境 Cuthill-McKee算法是常用的最重要的重排序技术之一。 该算法是“广度优先搜索”算法的变体。 后者是EFMoore在1950年代中的n年创建的一种参考算法，用于使用the来迭代扫描图形。 Cuthill-Mckee算法基于Elizabeth Cuthill和J. McKee在1969年的贡献。其主要目的是通过对相关图的顶点进行重新编号来减少空心对称矩阵的带宽（即，两个相邻顶点之间的距离）。 。 输入和输出 perm : the output permutation vector A : the initial matrix

fft 数字信号处理代码实现蝶形算法，实现快速傅里叶变换。

压缩包内含《MATLAB智能算法30个案例》课本PDF以及所有示例代码，仅供学习参考，不得用于商业用途，谢谢合作。

matlab中存档算法代码KTA2 KTA2-克里金辅助的Two_Arch2 - - - - - - - - - - - - - - - - 参考 - - - - - - - - - -------------- Z. Song，H. Wang，C. He和Y. Jin，Kriging辅助的两归档进化算法，用于IEEE进化计算中的多目标优化。 -------------------------------版权------------------ -------------- 版权所有（c）2021 HandingWangXD Group。 在保留本版权声明并引用了代码来源的前提下，允许出于研究和非商业目的复制和使用此代码。 该代码按“原样”提供，没有任何明示或暗示的保证。 ----------------------------参数设置-------------------- ------- mu --- 5 ---每一代重新评估的解决方案的数量 tau --- 0.75 * N ---训练数据中一种非影响点的比例 wmax-10-更新CA和DA之前的世代数 phi --- 0.1 -

AES招标的候选加密算法Serpent代码