人工智能-带惩罚项的BP神经网络在线梯度法.pdf

人工智能-带动量项的BP神经网络收敛性分析.pdf

高维多目标优化问题一般指目标个数为4个 或以上时的多目标优化问题.由于种群中非支配解数量随着目标数量的增加而急剧增多,导致进化算法的进化压力严重降低,求解效率低.针对该问题,提出一种基于粒子群的高维多目标问题求解方法,在目标空间中引入一系列的参考点,根据参考点筛选出能兼顾多样性和收敛性的非支配解作为粒子的全局最优,以增大选择压力.同时,提出了基于参考点的外部档案维护策略,以保持最后所得解集的多样性.在标准测试函数DTLZ2上的仿真结果表明,所提方法在求解高维多目标问题时能够得到收敛性和分布性都较好的解集.

最大似然（ML）准则和最大后验概率（MAP）准则，BP神经网络用于函数拟合与模式识别，多目标跟踪的粒子滤波器

MATLAB改进的遗传算法求解VRPTW带时间窗的车辆路径规划问题，增加了重升温的过程。还有改进模拟退火算法，禁忌搜索蚁群算法等，以及各种算法的改进，数据可以更改，文章已经写好，可以直接用。 MATLAB改进的遗传算法求解VRPTW带时间窗的车辆路径规划问题，增加了重升温的过程。还有改进模拟退火算法，禁忌搜索蚁群算法等，以及各种算法的改进，数据可以更改，文章已经写好，可以直接用。 MATLAB改进的遗传算法求解VRPTW带时间窗的车辆路径规划问题，增加了重升温的过程。还有改进模拟退火算法，禁忌搜索蚁群算法等，以及各种算法的改进，数据可以更改，文章已经写好，可以直接用。 MATLAB改进的遗传算法求解VRPTW带时间窗的车辆路径规划问题，增加了重升温的过程。还有改进模拟退火算法，禁忌搜索蚁群算法等，以及各种算法的改进，数据可以更改，文章已经写好，可以直接用。 MATLAB改进的遗传算法求解VRPTW带时间窗的车辆路径规划问题，增加了重升温的过程。还有改进模拟退火算法，禁忌搜索蚁群算法等，以及各种算法的改进，数据可以更改，文章已经写好，可以直接用。

MATLAB模拟退火算法求解VRPTW带时间窗的车辆路径规划问题。还有改进模拟退火算法，禁忌搜索蚁群算法等，以及各种算法的改进，数据可以更改，文章已经写好，需要可以联系我，可以直接用。 MATLAB模拟退火算法求解VRPTW带时间窗的车辆路径规划问题。还有改进模拟退火算法，禁忌搜索蚁群算法等，以及各种算法的改进，数据可以更改，文章已经写好，需要可以联系我，可以直接用。 MATLAB模拟退火算法求解VRPTW带时间窗的车辆路径规划问题。还有改进模拟退火算法，禁忌搜索蚁群算法等，以及各种算法的改进，数据可以更改，文章已经写好，需要可以联系我，可以直接用。 MATLAB模拟退火算法求解VRPTW带时间窗的车辆路径规划问题。还有改进模拟退火算法，禁忌搜索蚁群算法等，以及各种算法的改进，数据可以更改，文章已经写好，需要可以联系我，可以直接用。 MATLAB模拟退火算法求解VRPTW带时间窗的车辆路径规划问题。还有改进模拟退火算法，禁忌搜索蚁群算法等，以及各种算法的改进，数据可以更改，文章已经写好，需要可以联系我，可以直接用。 MATLAB模拟退火算法求解VRPTW带时间窗的车辆路径规划问题。还有

MATLAB粒子群算法求解VRPTW带时间窗的车辆路径规划问题。增加了最大最小蚂蚁系统对问题进行求解，直接就能用。还有改进模拟退火算法遗传算法，禁忌搜索蚁群算法等，以及各种算法的改进，数据可以更改，文章已经写好，需要可以联系我，可以直接用。 MATLAB粒子群算法求解VRPTW带时间窗的车辆路径规划问题。增加了最大最小蚂蚁系统对问题进行求解，直接就能用。还有改进模拟退火算法遗传算法，禁忌搜索蚁群算法等，以及各种算法的改进，数据可以更改，文章已经写好，需要可以联系我，可以直接用。 MATLAB粒子群算法求解VRPTW带时间窗的车辆路径规划问题。增加了最大最小蚂蚁系统对问题进行求解，直接就能用。还有改进模拟退火算法遗传算法，禁忌搜索蚁群算法等，以及各种算法的改进，数据可以更改，文章已经写好，需要可以联系我，可以直接用。 MATLAB粒子群算法求解VRPTW带时间窗的车辆路径规划问题。增加了最大最小蚂蚁系统对问题进行求解，直接就能用。还有改进模拟退火算法遗传算法，禁忌搜索蚁群算法等，以及各种算法的改进，数据可以更改，文章已经写好，需要可以联系我，可以直接用。

甩开神经网络工具箱、自己编写、探索神经网络内部结构、纯手写，可转化C\C++，提取权重参数直接用于实际项目预测，增加项目运行速率，前提是在预测精度较高的情况下，提取这些权重，不用通过保存网络这种方式，因为保存网络这种方式需要生成dll文件才能用于C++项目，这种C++调用matlab的dll方式，会拖慢C++运算速度，不适合实时控制项目。

人工智能-项目实践-鸢尾花分类-Python 基于BP神经网络实现鸢尾花的分类 本文用Python实现了BP神经网络分类算法，根据鸢尾花的4个特征，实现3种鸢尾花的分类。 算法参考文章：纯Python实现鸢尾属植物数据集神经网络模型 iris_data_classification_bpnn_V1.py 需使用 bpnn_V1数据集 文件夹中的数据 iris_data_classification_bpnn_V2.py 需使用 bpnn_V2数据集 文件夹中的数据 iris_data_classification_knn.py 需使用 原始数据集 文件夹中的数据 iris_data_cluster_sklearn.py 需使用 sklearn数据集 文件夹中的数据 不同数据集里数据都是一样的，只是为了程序使用方便而做了一些格式的变动。

效果展示： https://github.com/angary/simulated-annealing-tsp/raw/main/examples/world-tsp.gif 旅行商问题是一个众所周知的 NP-Hard 问题。给定一个城市列表，找到访问所有城市一次的最短路径。 模拟退火是用于解决优化问题的众所周知的随机方法，并且是用于解决 TSP 的众所周知的非精确算法。然而，它的有效性取决于初始参数，例如通常根据经验选择的起始温度和冷却速率。 该项目的目标是： 确定最佳起始温度和冷却速率是 否可以通过输入参数化 可视化 TSP 的求解过程 更多详情、使用方法，请下载后阅读README.md文件