Unity粒子模型透明度控制脚本，可再URP下控制透明度，可k帧 滑杆

PSO 最基本的代码已经在这里展示了。 它对刚接触编码的人最有帮助。 它可以用于任何优化问题。 作为一种启发式算法，它倾向于找到全局最小值，并且随着代码被矢量化，速度也得到了提高。 所提供的文件适用于无约束函数，但借助惩罚函数，可以轻松约束问题。 如果它适用于许多用户，我打算为 PSO 开发一个 GUI，并提供受约束的 PSO 文件。 还添加了广泛使用的用于检查 PSO 功能的基准功能。 还添加了改进的 PSO 文件，其中考虑了线性变化的惯性权重值。 如果有帮助，请在评论中告诉我。

matlab代码粒子群算法哈里斯鹰队优化（HHO） 该存储库包含用于优化基准功能的Harris Hawks优化代码（matlab M文件）： . ├── img | ├── convergence-2d.png | ├── convergence-50d.png | ├── logo.jpg | ├── schwefel_222.gif | └── trajectory.png ├── _config.yml ├── hho.m —— [function of harris hawks optimization] ├── LICENSE ├── README.md └── test.m —— [a test for 'hho.m'] 用法 [fbst, xbst, performance] = hho ( objective, d, lmt, n, T, S ) 在哪里 objective是目标功能的功能句柄 d是设计变量的尺寸 lmt是设计变量的限制； 是具有d行和2列的矩阵，第一列包含所有维度的下限，而第二列包含所有维度的下限。 n是粒子群的总体大小 T是最大迭代时间。 fbst是

FX Maker是一款制作特效的工具，它专为移动操作系统做了优化。FX Maker包括300种Prefab特效，300种纹理结构、100种网格、100种曲线效果。支持英文和韩文，由开发商IGSoft提供。

MATLAB模拟粒子散射代码光束传播法（BPM）的大规模全息粒子3D成像 MatLab实现文件。 我们提供了光束传播方法的正向模型和重建算法代码，模拟的样本对象，全息图，重建的粒子以及样本实验捕获的全息图，重建结果。 引文 如果您发现该项目对您的研究有用，请考虑引用我们的论文： 抽象的 我们为3D粒子场的大规模全息重建开发了一种新颖的算法。 我们的方法基于结合稀疏正则化的多散射光束传播方法（BPM），该方法可从单个全息图中恢复高折射率对比度的致密3D粒子。 我们显示，BPM计算的全息图生成的强度统计数据与实验测量值非常匹配，并且比单散射模型提供高达9倍的精度。 为了解决反问题，我们设计了一种计算效率高的算法，与基于最新技术的基于多重散射的技术相比，该算法将计算时间减少了两个数量级。 我们在不同散射强度下的仿真和实验中均展示了卓越的重建精度。 我们表明，对于深成像深度和高粒子密度，BPM重建显着优于单散射方法。 概述图 如何使用程式码 正向模型： 重建： 数据 dz = lambda / 16的模拟对象：object / simulatedData / density_1.6 重建对象的

这是一款HTML5炫酷光粒子动画特效。该特效通过js在页面中生成canvas元素，并通过算法在其中生成炫酷的光粒子动画特效。

根据粒子群相关改进论文编辑，内部包含粒子群算法源码、改进后粒子群算法代码、测试函数集合文件改进文献来源，两种算法均已编辑为函数模式方便进行对比，亲测可用，可用作论文写作中算法对比。

粒子滤波一定要下载用的 编译好的GSL local文件直接下载就能用， 直接配置VC++目录 不用高mys2那些什么玩意

matlab代码粒子群算法自适应CLPSO Matlab代码用于宏观自适应综合学习粒子群优化器（MaPSO）和微观自适应综合学习粒子群优化器（MiPSO）算法。 抽象的 优化启发式算法（如粒子群优化器（PSO））的广泛使用对参数自适应提出了巨大挑战。 PSO的一种变体是综合学习粒子群优化器（CLPSO），它使用所有个人的最佳信息来更新其速度。 CLPSO的新颖策略使种群能够从特定世代的样本中进行读取，这称为刷新间隙m。 在本文中，我们开发了两类学习自动机（LA），以研究自动机对CLPSO刷新间隙调整的学习能力。 在第一类中，将学习自动机分配给总体，在第二类中，每个粒子都有自己的个人自动机。 我们还将所提出的算法与CLPSO和CPSO-H算法进行了比较。 仿真结果表明，我们的算法在性能，鲁棒性和收敛速度方面均优于同类算法。 参考 [1] Mohammad Hasanzadeh，Mohammad Reza Meybodi和Mohammad Mehdi Ebadzadeh，“，”在人工智能和信号处理中，Springer国际出版，2014年，第267-276页。

vs2019小插件