遗传算法多目标函数优化MATLAB代码遗传基因 本文的仿真源代码。 抽象的 我们解决了认知无线电网络中的功率控制问题，在该网络中，次要用户利用空间频谱机会而不会对主要用户造成不可接受的干扰。 提出了一个优化问题，旨在最大程度地提高次要用户的效用并确保主要和次要用户的QoS。 为了解决功率分配问题，提出了一种遗传算法，并提出了两种适应度函数。 第一个旨在最小化辅助网络的总发射功率消耗。 第二个是多目标函数，面向联合优化次级网络的总容量和发射功率消耗。 结果表明，基于多目标适应度函数的遗传算法辅助功率控制方案的性能接近最佳。 入门 为了运行仿真，您需要Matlab 2015a或更高版本以及与已安装的Matlab版本兼容的C编译器。 在命令行中输入： git clone https://github.com/raikel/GeneticCrn 打开Matlab并将源目录src （及其所有子文件夹）添加到Matlab搜索路径。 在Matlab工作区中，打开目录src\lib\mex并在命令窗口中键入： compile 这将编译所有源mex文件。 要使用默认参数值运行仿真，请在Matlab命令窗

数据融合matlab代码MNIST-NET10 这种复杂的异构融合由两个异构集合FS1和FS2组成： 可以使用以下代码构建＃FS1（CapsNet | MCDNN | DropConnect_2 | CapsNet | MCDNN | DropConnect_1 | DropConnect_2 | Network3 | Dropconnect_2）： 预先训练的CapsNet可从以下网站下载： MCDNN网络是从以下站点获得的： 具有数据增强功能的Network3（请参阅Network3.py） 具有数据增强功能的DropConnect（请参阅DropConnect.py） 可以使用以下代码构建＃FS2（ECOC | PrE | MLP→LS | MLP）： CapsNet作为来自以下方面的数据转换器： 所需的代码（在Matlab中）可从以下位置获得： 可以从以下链接下载本文：

GM(1 n)matlab代码gFDM 填鬼有限差分法 gFDM 的核心代码是用 C++ 开发的。 一般函数都是用Matlab编写的。 gFDM 实现分为 4 个高级函数和 32 个低级私有函数。 所有函数都以“gfdm_”前缀文本开头。 图 1 说明了高级函数的管道，从 NET 预处理管道开始。 该方法支持包含可以处理各向同性和各向异性电导率定义的 CTI 地图。 管道分为 3 个步骤，即头部模型“gfdm_prepare_headmodel”程序用于计算刚度矩阵，“gfdm_prepare_elecs”程序用于检查电极位置并设置引线对计算，最后是正向求解程序“gfdm_precalculate_leads” “gfdm_calculate_pots”分别计算给定源空间的互易铅对电位和输出电位。 高级功能描述 图 1：网络头部建模 - gFDM 管道实现 gfdm_prepare_headmodel 计算稀疏刚度矩阵来求解线性系统。 该函数还找到包围头部体积的边界框，标记不包括空气的体素位置。 输出是一个结构，包括刚度矩阵和头部体积的边界框阵列。 gFDM 方法允许任意体素大小，矩形

马氏链的稳定分布matlab代码BayeZirChron.c 贝叶斯锆石喷发年龄估计代码的 C 版本来自 从命令行安装 从命令行安装需要一个有效的 C 编译器。 默认假设（或别名）可用。 在 linux/unix/bsd 上，这可能已经是正确的； 在 Mac OS 上，可以通过在命令行键入xcode-select --install来安装编译 C 源代码所需的工具。 # Download git clone https://github.com/brenhinkeller/BayeZirChron.c.git # Move to folder containing source code cd BayeZirChron.c/src/ # Compile make serial 要编译用于综合分布测试的并行代码，请另外运行： make parallel 或者 mpicc -std=c11 -O3 -o tzircrystestaccuracy tzircrystestaccuracy.c 编译和运行此并行版本还需要安装 MPI（或 ） 示例文件夹中提供了示例批处理文件： 用法 提供了一系

FastICA算法步骤如下： (1) 对观测数据 进行中心化，使其均值为零； (2) 对去中心化后的数据进行白化处理，得到更标准化的数据 ； (3) 选择需要估计的独立成本的个数 ，设置相应的收敛阈值 ； (4) 对数据进行初始化，使得分离矩阵 中的所有 具有单位范数。 (5) 牛顿迭代法： ，其中 ，在每一个wi上同时进行迭代。 (6) 对矩阵W进行正交化。 (7) 判断矩阵W是否收敛，若没有收敛，则重复步骤(5)。 (8) 分离出混合信号中的独立信号。

该压缩文件中包含了MATLAB程序中比较实用的60个小程序，一般程序可以在其基础上加以修改就可以了。

智能优化算法-双层优化算法】基于双层优化算法求解多目标优化文题

擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真。

信号分解的matlab代码稀疏2DCCA 用法：只需在MATLAB中运行demo.m文件。 我已使用MATLAB 2017b版本成功运行了这些脚本。 如果您在运行此模拟设置时遇到任何问题，请提出问题。 我将尝试尽快做出回应。 如果您使用提供的MATLAB代码，请引用本文 Muhammad Ali Qadar，AbdeldjalilAïssa-El-Bey，Abd-Krim Seghouane，通过惩罚矩阵分解进行的二维CCA，用于结构保存的fMRI数据分析，数字信号处理，第92卷，2019年，第36-46页，2019年。 可以在这里访问本文 感谢Navid Shokouhi在此代码开发过程中提供的帮助。

基于MATLAB编程，利用PSO寻找函数全局最优（可自行扩展）； 代码注释多，简化强，仅一重循环，便于理解PSO算法编程