这是关于scale-free网络的鲁棒性研究的一点程序，，但还不是很完善

首先产生若干种群（特征子集），然后用PSO 算法对特征及参数进行优化。在UCI 标准数据集上进行的仿真实验表明，该算法可有效地找出合适的特征子集及LS-SVM 参数，且与基于遗传算法的最小二乘支持向量机算法（GALS-SVM）和传统的LS-SVM 算法相比具有较好的分类效果。

本程序给出了迭代学习控制的仿真程序，对迭代学习的初学提供一个很好的仿真例子，其他迭代学习的仿真均可以此来拓展

迭代学习控制PID学习率参数优化matlab程序，有注释，适合初学者。迭代学习控制PID学习率参数优化matlab程序，有注释，适合初学者。

迭代学习控制（iterative learning control，简称ILC）由Uchiyama于1978年首先提出。 迭代学习控制（iterative learning control，简称ILC）由Uchiyama于1978年首先提出，不过因为论文由日文撰写，影响不是很大。1984年，Arimoto等人用英文介绍了该方法。它是指不断重复一个同样轨迹的控制尝试，并以此修正控制律，以得到非常好的控制效果的控制方法。 迭代学习控制是学习控制的一个重要分支，是一种新型学习控制策略。它通过反复应用先前试验得到的信息来获得能够产生期望输出轨迹的控制输入，以改善控制质量。与传统的控制方法不同的是，迭代学习控制能以非常简单的方式处理不确定度相当高的动态系统，且仅需较少的先验知识和计算量，同时适应性强，易于实现；更主要的是，它不依赖于动态系统的精确数学模型，是一种以迭代产生优化输入信号，使系统输出尽可能逼近理想值的算法。它的研究对那些有着非线性、复杂性、难以建模以及高精度轨迹控制问题有着非常重要的意义。

这是一个采用遗传算法优化bp神经网络权值阈值的MATLAB程序

本文主要研究控制系统PID参数的优化设计方法以及对PID控制的改进。

详细介绍系统的优化 单变量和多变量的寻优方法

题名/责任者: 试验设计与分析及参数优化/C.F.Jeff Wu，Michael Hamada著 张润楚、郑海涛、兰燕 ... [等] 译 并列正题名: Experiments Planning,Analysis,and Parameter Design Optimization 出版发行项: 北京:中国统计出版社

isight参数优化理论与实例详解,包括书籍和文件，附带有详细解析，zmf文件，是学习ISIGHT必备的资料，非常好用。