微电网matlab代码电源系统优化 该项目包含为与用户合作对微电网能源管理系统进行多目标优化而开发的代码。 包括所有使用的 matlab 代码。 但是，由于版权要求，所使用的数据并未公布。 除了 m.lapp 文件的 .m 版本外，m.lapp 填充无法下载并编译到 matlab 应用程序中，并添加所有 .m 文件，该文件仅用于读取代码。 trafunc6varmoo.m 包含结构解释的附加注释，不再重复

派里曼 pyriemann是用于通过黎曼几何进行协方差矩阵操纵和分类的python软件包。 主要目标是对多种生物信号进行分类，例如EEG，MEG或EMG。 这项工作仍在进行中，敬请期待。 此代码是BSD许可的（3子句）。 文献资料 该文档位于 安装 使用PyPI pip install pyriemann 或使用pip + git作为最新版本的代码： pip install git+https://github.com/alexandrebarachant/pyRiemann 当前不支持Anaconda，如果要使用anaconda，则需要在anaconda中创建虚拟环境，将其激活并使用上述命令进行安装。 从来源 对于最新版本，您可以使用setup.py脚本从源文件中安装软件包。 python setup.py install 或在开发人员模式下能够修改源代码。 python

自适应方差双边滤波，可以实现对图像的滤波处理。并有测试样例。

通过堆叠对角线上和下方的 x 元素来创建列向量； 每一列都放入一个矩阵中。 它按列顺序执行此操作。 创建是因为我无法让 Mike Cliff 的 vech 函数处理多维数组。

提出改进非劣分类遗传算法(NSGA-Ⅱ)在燃煤锅炉多目标燃烧优化中的应用,优化的目标是锅炉热损失及NOx排放最小化。首先,采用BP神经网络模型分别建立了300MW燃煤锅炉的NOx排放特性模型和锅炉热损失模型,同时利用锅炉热态实验数据对模型进行了训练和验证,结果表明,BP神经网络模型可以很好地预测锅炉的排放特性和锅炉的热损失特性。在建立的锅炉排放特性和热损失BP神经网络模型基础上,采用非劣分类遗传算法对锅炉进行多目标优化,针对NSGA-Ⅱ在燃煤锅炉燃烧多目标优化问题应用中Pareto解集分布不理想、易早熟收敛的问题,在拥挤算子及交叉算子上进行了相应改进。优化结果表明,改进NSGA-Ⅱ方法与BP神经网络模型结合可以对锅炉燃烧实现有效的多目标寻优、得到理想的Pareto解,是对锅炉燃烧进行多目标优化的有效工具,同改进前的NSGA-Ⅱ优化结果比较,其Pareto优化结果集分布更好、解的质量更优。

该PPT主要讲述了多目标优化的一些方法，然后从应用的角度讲了一些多目标优化的实例，并且给出了一定的源代码

数学建模：工业润滑油相关资料

行业-电子政务-含分布式电源的微电网多目标优化调度方法.zip

基于灰色聚类评估的配送中心选址模糊多目标优化模型.pdf

实现IMF分解、熵、能量、小波频率、贡献率、方差均值，可用