相关性矩阵问题的ADMM算法实现。 ADMM 是交替方向乘子算法, 英文全称是 Alternating Direction Method of Multipliers，本代码文件利用ADMM算法求解了统计中的相关性矩阵问题。更多信息可见http://maths.nju.edu.cn/~hebma/index

与平面目标面相比，在曲面目标面产生均匀的照度分布时，LED阵列的设计更复杂。通过优化LED阵列排布，使其在复杂曲面的目标面上产生了均匀的照度分布。构建了反映照度均匀性的目标函数，目标函数以阵列中各LED的位置坐标为变量，利用模拟退火算法对阵列中各LED的位置进行优化，使目标函数获得最小值。为了验证算法的可行性，针对圆柱形目标面、抛物线形柱状面以及正弦形柱状面，优化设计了3种不同排布的LED阵列，优化后的LED阵列在相应目标面上的照度分布均匀性分别达到99.0%、99.3%和97.0%。分析了LED阵列中各LED的装配公差对目标面照度均匀性的影响，模拟结果表明：装配公差在0.2 mm以内，目标的均匀度下降不超过0.3%，说明这种设计方法具有一定的实用价值。

量子遗传优化算法，matlab2021a测试。

WOA鲸鱼优化算法，matlab2021a测试。 if abs(A)>=1 rand_leader_index = floor(SearchAgents_no*rand()+1); X_rand = Positions(rand_leader_index, :); D_X_rand=abs(C*X_rand(j)-Positions(i,j)); % Eq. (2.7) Positions(i,j)=X_rand(j)-A*D_X_rand; % Eq. (2.8) elseif abs(A)<1 D_Leader=abs(C*Leader_pos(j)-Positions(i,j)); % Eq. (2.1)

蝗虫优化算法(Grasshopper Optimization Algorithm,GOA)，matlab2021a测试。

在智能领域，大部分问题都可以归结为优化问题。常用的经典优化算法都对问题有一定的约束条件，如要求优化函数可微等，仿生算法是一种模拟生物智能行为的优化算法，由于其几乎不存在对问题的约束，因此，得到广泛应用。本次毕业设计将基于群体智能的粒子群优化算法作为研究课题，主要任务及目标为：熟悉和掌握基本粒子群优化算法的基本原理，分析影响算法性能的参数，熟悉基本粒子群优化算法的改进算法和改进策略，利用Matlab科学计算语言进行算法仿真，掌握科学研究的基本过程和方法。提出一种改进的粒子群优化算法，并进行仿真比较。

基于ABC人工蜂群优化算法的最优解搜索算法MATLAB仿真，matlab2021a测试。

基于NSGAII的多目标遗传优化算法的matlab仿真，matlab2021a仿真

安全技术-网络信息-无线传感器网络覆盖控制优化算法研究.pdf

MATLAB教学视频，数学建模与数值计算类：本期视频时长约75分钟，首先通过对比线性规划和非线性规划的数学模型，讲解非线性规划问题MATLAB求解函数fmincon的基本调用格式；然后通过三个具体的应用案例，详细演示了非线性规划问题的数学建模过程，以及MATLAB求解的具体方法和步骤；最后还详细讲解了fmincon函数的高级调用格式。