蝙蝠使用生物声呐，为夜晚在丛林中飞行导航。他们的超声波脉冲，可以比人造声呐装置更精确地对声音进行定位。为复制、驾驭这种能力，IBM学院奖获得者Rolf Müller教授协同他在弗吉尼亚理工学院（Virginia Tech）的团队，设计了一种人造蝙蝠耳。

蝙蝠侠汉化补丁蝙蝠侠汉化补丁蝙蝠侠汉化补丁

此演示代码使用 Bat 算法和加权求和方法解决双目标函数优化问题。 该程序可以扩展以解决任何多个目标。

【路径规划】基于蝙蝠算法的无人机三维路径规划matlab源码.md

【lssvm预测模型】基于蝙蝠算法改进的最小二乘支持向量机lssvm预测matlab源码.zip

【预测模型】基于蝙蝠算法改进的BP神经网络预测数据matlab源码.zip

蝙蝠算法matlab程序代码健壮的波束形成纸 描述 该项目包含针对脑电图数据的鲁棒波束成形算法的全面分析，该算法可解释头部模型中的各向异性不确定性。 如何设置？ 运行模拟 跑步 startup 这将检查依赖项，并在缺少依赖项时通知您。 我不会尝试为您安装所有它们。 （我希望在Matlab中有一个简单的方法）。 有关更多信息，请参见下面的依赖项。 拥有所有依赖项后，运行 run_all 它包含用于日记纸的脚本，您可以注释掉所有不想运行的脚本。 当心，该项目可能会生成大量数据，并且需要花费一些时间。 我尝试了尽可能多的并行化。 生成纸样 运行（逐行） plot_all 该脚本列出了用于生成纸张图的所有其他相关脚本。 在Blade16上运行 Linux 跑步 $ sh upload.sh 视窗 使用您的凭据配置upload.txt 运行upload.bat 从Blade16下载输出数据 Linux 跑步 $ sh sync_output.sh 选择某些文件类型的更多选项 $ sh sync_output.sh --help 视窗 使用您的凭据配置sync_output.txt 运行sync_

代码运行效果图见压缩包

自适应的蝙蝠算法 用粒子群算法改进的蝙蝠算法 由于遗传算法和粒子群算法等

在目标跟踪领域，粒子滤波技术有处理非线性非高斯问题的优势，但是标准粒子滤波在利用重采样方法解决退化现象时，会产生粒子贫化问题，导致滤波精度不稳定.针对这种问题，本文算法采用了差分进化蝙蝠算法对粒子滤波进行改进.本文算法将粒子表征为蝙蝠个体，蝙蝠种群通过调节频率、响度、脉冲发射率，伴随当前最优蝙蝠个体在目标图像区域进行搜索，并且可以动态决策是采用全局搜索还是进行局部搜索，从而提高粒子整体的质量和合理的分布；引进的差分进化策略可以增强蝙蝠个体跳出局部最优的能力.为了验证本文算法的优化性能，将本文算法和标准粒子滤波算法进行性能分析对比.实验结果表明本文算法滤波性能优于标准粒子滤波算法.