变异系数RSD的计算工具，输入数据即可得出结果，很方便。

遗传算法在很多领域都十分有用，作为电力系统的学生，常常需要用遗传算法进行无功优化求解，因此基础遗传算法的掌握是必不可少的

具有时滞的 TDC、最大 TDC、TDC 的显性时滞、窗口 TDC、具有时滞的极值变异函数、最小极值变异函数和极值变异函数的主导时滞。 来自表征每日和次日降水极端事件中的时间变化和站点间相关性的博士论文http://liu.diva-portal.org/smash/record.jsf?pid=diva2:444192

针对多目标优化（multi-objecdve optimization pmblem，MOP）问题，特别是解集分布非均匀问题，提出一种基于混沌变异的优化算法。通过Pareto支配思想来决定粒子的飞行方向，在进化后期加入混沌变异操作，有效地避免早熟收敛现象；根据粒子群优化算法（particle swam otimixation，PSO）特有的记忆建立外部档案，动态引导微粒在每一次迭代的飞行方向。最后通过8个标准多目标测试函数进行测试，实验结果表明该算法是有效可行的，其性能比SPEA和NSGAⅡ更优。

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

python 实现的一种多尺度协同变异的粒子群优化算法 python 实现的一种多尺度协同变异的粒子群优化算法 python 实现的一种多尺度协同变异的粒子群优化算法 python 实现的一种多尺度协同变异的粒子群优化算法 python 实现的一种多尺度协同变异的粒子群优化算法 python 实现的一种多尺度协同变异的粒子群优化算法 python 实现的一种多尺度协同变异的粒子群优化算法 python 实现的一种多尺度协同变异的粒子群优化算法 python 实现的一种多尺度协同变异的粒子群优化算法 python 实现的一种多尺度协同变异的粒子群优化算法 python 实现的一种多尺度协同变异的粒子群优化算法 python 实现的一种多尺度协同变异的粒子群优化算法 python 实现的一种多尺度协同变异的粒子群优化算法 python 实现的一种多尺度协同变异的粒子群优化算法 python 实现的一种多尺度协同变异的粒子群优化算法

基于改进变异系数法的G109 拉萨—那曲段泥石流危险性评价

大数据-算法-论艺术语言词语变异搭配的逻辑基础.pdf

为提高非支配排序遗传算法（NSGA-Ⅱ）的搜索精度和多样性，借鉴差分进化中加强局部搜索的策略，提出了一种改进的NSGA-Ⅱ算法（LDMNSGA-Ⅱ）。该算法利用拉丁超立方体抽样技术对解种群进行初始化，保证种群的初始分布能够均匀，采用差分进化中的变异引导算子和交叉算子替换NSGA-Ⅱ的交叉算子，加强局部搜索能力和提高搜索精度，同时保留NSGA-Ⅱ中的变异算子，保留算法多样性。四个经典测试函数的仿真结果表明，该算法LDMNSGA-Ⅱ在解决多目标优化问题中表现出了良好的综合性能。

数据融合matlab代码针对超光谱和多光谱图像融合的超分辨率，可反映季节性光谱变异性 该软件包包含作者对论文的实现[1]。 大多数高光谱（HS）和多光谱（MS）图像融合模型都假设这两个图像是在相同条件下采集的。 因此，当在不同的时刻获取HS和MS图像时，季节或获取（例如，照度，大气）变化的存在通常会对算法的性能产生负面影响。 在这项工作中，我们考虑了一个更灵活的模型，该模型考虑了这种可变性，即使观察到显着变化，也能始终如一地表现良好。 该代码在MATLAB中实现，包括： example1.m-比较算法的演示脚本（合成图像） example2.m-比较算法的演示脚本（巴黎图片） example3.m-比较算法的演示脚本（太浩湖图像） example4.m-比较算法的演示脚本（Ivanpah Playa图像） ./FuVar/-包含与FuVar算法关联的MATLAB文件 ./utils/-有用的功能，指标和其他方法 ./DATA/-示例中使用的数据文件 自述文件-此文件 重要的： 如果您使用此软件，请在任何最终出版物中引用以下内容： [1] Super-Resolution for Hyp