此代码详细的按粒子群算法原理编写，每一步走都能轻松看懂。其中用粒子群算法优化了单目标函数，需要测自己的函数，在原代码上修改就可以了！此代码可以做单元，也可以做多元！

基于BP神经网络车牌识别系统的设计与实现.doc基于BP神经网络车牌识别系统的设计与实现.doc基于BP神经网络车牌识别系统的设计与实现.doc

采用python对BP神经网络原理进行编写程序，应用神经网络解决分类问题，并且绘制分类边界图

浅析BP神经网络算法的改进和优化.doc

针对粒子群算法在处理多峰复杂函数优化问题时容易陷入局部极值,难以满足海上运动目标搜寻问题的需要,提出一种基于析因思想的改进粒子群算法.所提算法结合种群智能思想与析因实验设计思想,利用随机化及区组化策略,设计参数在不同水平的组合,并得到相应的适应度值,获取各个参数的适应度曲线;分析各参数变化对适应度值的影响以及参数间的交互作用,基于此获取解空间形态;针对不同参数采用不同策略,利用种群迭代寻找全局最优解,使种群针对交互作用明显的参数侧重于全局搜索,针对交互作用不明显的参数侧重于局部搜索;最后将所提算法应用于海上运动目标搜寻问题,实验结果表明,相较其他几种对比算法,所提出的算法能够有效制定更优的搜寻计划.

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

BP神经网络实现汽油辛烷值预测，《MATLAB源码+数据集》代码亲测可用，代码中一共提供了60个样本，其中50个样本作为训练，10个样本作为测试，代码都是经过调节的，可以更换自己想预测的相关数据，比如污水预测，车流量，预测未来成绩等等。

多元线性回归，支持向量机，随机森林，BP神经网络，LSTM回归预测模型

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。

利用numpy库实现的粒子群优化算法