智能算法 智能算法是路线规划，深度学习等等各个领域所使用的优化算法，是算法进阶之路的必备之路。 简介 主要针对总体主流的算法进行，例如遗传算法，粒子群算法，模拟重复算法，免疫算法，蚁群算法等等一系列的算法。 | |登录微信公众号：TeaUrn 开始使用 实现版本Java，Python，MatLab多版本实现。具体详细说明单击以下连接针对每个算法都有详细的说明。 联系方式： 微信公众号： TeaUrn或者扫描下方二维码进行关注。里面有惊喜等你哦~~ 捐赠 如果您觉得文章对您有所帮助，可以请作者喝 :hot_beverage: 。 支付宝/微信/ QQ

通过BP神经网络实现PID参数在线正整定。

针对标准BP神经网络存在收敛速度慢和易陷入局部最小值的问题,提出用附加动量法和自适应学习速率法来优化BP神经网络,提高其收敛速度;引入具有全局搜索能力的模拟退火算法,克服其容易陷入局部最小值问题。应用综合改进后的BP神经网络对已知的实际边坡进行了预测,并将其预测结果与标准BP神经网络和实际值进行对比分析。结果表明:综合改进后的BP神经网络在边坡稳定性预测具有较好的预测效果,与标准的BP神经网络相比,不仅提高了计算速度,而且较大地提高了预测精度,具有较好的应用前景。

提出了一种基于遗传退火算法和RSSI的无线传感器网络的节点定位算法。首先利用RSSI测距技术收集网络中节点间的通信讯息和距离估计，并优选信标节点;其次通过将定位问题视为一种优化问题，采用遗传退火算法优化未知节点的定位结果。仿真实验结果表明，所提出的定位算法有较高的定位精度。

利用BP 神经网络来预测汽油中 辛烷值的成分，有详细的注释

BP神经网络目前被广泛应用,但是其收敛速度慢、预测精度不高的缺点却一直被人所诟病，因此，在传统BP神经网络中使用附加动量项法以及动态学习速率法，并以两者的融合为基础提出了陡峭因子可调激活函数法来改进BP神经网络。以非线性函数拟合为实例，从收敛速度和预测精度两方面对比分析两种方法，实验证明所提出的改进方法明显提高BP神经网络的收敛速度以及精度。

辛烷值预测_BP神经网络_Excel数据

这是粒子群算法的例程和详细讲解，包括PPT和文档，程序由两部分组成。

麻雀算法+BP网络预测

matlab代码 粒子群算法matlab代码