文件包含鲸鱼优化算法详细介绍 还包括鲸鱼优化PID参数代码 简单详细 有解释 不懂评论博主 免费教学 简单易懂 可以对比做优化算法对比 优化算法优化pid参数

绝地求生-画质参数优化工具，可用于游戏画面模糊，草地数目不清晰，或者闪退时处理使用。 其内置了部分配置文件，即使是GTX960 2G显卡，也能实现中高画质组合下流畅60FPS吃鸡，同时保证了画面的清晰度。 对于绝地求生这款游戏，如果要实现最高画质，其显存至少需要6G。少于6G显存的显卡，开全高画质也有闪退的风险。

比较了现今应用比较广泛的3种支持向量机( SVM)参数优化方法. 具体分析了网格法、遗传算法和粒子群算 法在 SVM参数优化方面的性能以及优缺点,提出了一种改进的网格法. 先在较大范围内进行搜索,在得到的优化结果 附近区域再进行精确搜索. 实验表明改进的网格搜索法耗时短,更适用于有时间要求的说话人识别应用中.

针对光伏并网逆变器LCL 滤波器的大纹波电流和高频谐波损耗问题,分析了电感之和、电感比值和滤波电容值、谐振频率以及入网电流之间的关系,提出了一种LCL滤波器参数最优设计方法.分析了LCL滤波器的传递特性并建立了谐波等效模型,研究了滤波参数对谐振频率以及并网电流的影响,根据LCL滤波器的设计约束条件和光伏并网逆变器实例设计了一组最优参数,并进行了仿真研究.结果表明,提出的优化方案不仅能够有效抑制开关频率的高频纹波,还能减小电感取值和阻尼损耗.

Cubature 卡尔曼滤波器(CKF) 在非高斯噪声或统计特性未知时滤波精度将会下降甚至发散, 为此提出了统计回归估计的鲁棒CKF 算法. 推导出线性化近似回归和直接非线性回归的鲁棒CKF 算法, 直接非线性回归克服了观测方程线性化近似带来的不足. 具有混合高斯噪声的仿真实例比较了3 种Cubature 卡尔曼滤波器的滤波性能, 结果表明这两种鲁棒CKF 滤波精度及估计一致性明显优于CKF, 直接非线性回归的CKF 的鲁棒性更强, 滤波性能更好.

针对常规输出反馈特征结构配置方法不能完全保证闭环系统稳定性的问题, 提出一种改进的输出反馈特征结构配置方法. 该改进的算法通过引入二次型性能指标, 将闭环系统的稳定性问题转化为线性二次型最优控制问题,从而保证闭环系统的稳定性; 考虑到采用特征结构配置方法所设计的闭环系统鲁棒性不强, 给出保证系统鲁棒性的条件, 以解决系统鲁棒性问题. 最后, 通过在飞翼飞机上的仿真结果验证了所提出算法的有效性.

一个简单的网格搜索框架 网格搜索就是穷举法，对所有可能的参数组合都带入程序，进行尝试。 模型参数对应：SARIMA(p,d,q)(P,D,Q)m，对于模型来说并不是所有输入参数都是有效的， 如季节周期参数m不能为0，当m=0时，会导致SARIMAX函数报错。 以SARIMA模型为示例，介绍了如何对模型的参数进行网格搜索来找到较优参数 SARIMA是对AR,MA,ARIMA模型的改进，添加了季节周期的因素在里面 在网格搜索配置超参数的时候也是一个学习点

1.SARIMA模型的网格搜索超参数优化 基本一样 指数平滑预测方法，预测是过去观察值的加权，模型对过去观察值使用指数递减权重 所谓三重指数平滑在股票中指对数据重复进行三次平滑处理，从而减小数据波动。对应的指标叫TRIX 在时间序列预测中,三次指数平滑算法指可以对同时含有趋势和季节性的时间序列进行预测，该算法是基于一次指数平滑和二次指数平滑算法的 程序只修改了使用的预测模型部分， 从SARIMA模型改成了ExponentialSmoothing模型 同时修改了模型使用的参数，别的逻辑基本相同 内容： 1.网格搜索框架 2.无趋势和季节性研究 3.趋势性研究 4.季节性研究 5.趋势和季节性研究

传统的PID控制器参数优化方法容易产生振荡和较大的超调量，因此智能算法如遗传算法（SGA）和粒子群算法（PSO）被用于参数优化，弥补传统算法的不足，但是遗传算法在进化过程中收敛速度慢，粒子群算法存在易于早熟的缺点。在分析量子粒子群算法（QPSO）的基础上，在算法中引入了权重系数，提出使用改进的量子粒子群算法（WQPSO）优化PID控制器参数。将改进量子粒子群算法与量子粒子群算法、粒子群算法通过benchmark测试函数进行了比较。最后，通过三个传递函数实例，分别使用Z-N、GA、PSO方法和改进的量子粒子群算法进行了PID控制器参数优化设计，并对结果进行了分析。

该程序用于计算相关论文中的模拟数据和理论值数据。 计算不同的多网络在没有/有节点保护策略时的攻击/恢复鲁棒，计算了ncf和nccf的理论曲线 当多路网络发生节点损坏时，耦合的节点关系会触发ncf，而共同体结构中的节点故障会进一步导致共同体故障。