粒子群算法(PSO)优化长短期记忆神经网络的数据回归预测，PSO-LSTM回归预测，多输入单输出模型 粒子群算法(PSO)优化长短期记忆神经网络的数据回归预测，PSO-LSTM回归预测，多输入单输出模型 评价指标包括:R2、MAE、MSE、RMSE和MAPE等，代码质量极高，方便学习和替换数据。

(1)\1.课件；目录中文件数:2个 ├─2-课程内容讲解.bmpr (2)\2.资料；目录中文件数:6个 ├─elasticsearch-7.8.0-linux-x86_64.tar.gz ├─elasticsearch-7.8.0-windows-x86_64.zip ├─elasticsearch-analysis-ik-7.8.0.zip ├─elasticsearch-head-chrome-plugin.rar ├─kibana-7.8.0-windows-x86_64.zip ├─Postman-win64-8.0.6-Setup.exe (3)\3.代码；目录中文件数:2个 ├─es-test.zip ├─es集成.zip (4)\4.视频；目录中文件数:62个 ├─001 - Elasticsearch - 开篇.mp4 ├─002 - Elasticsearch - 技术选型.mp4 ├─003 - Elasticsearch - 教学大纲.mp4 ├─004 - Elasticsearch - 入门 - 环境准备.mp4 ├─005 - Elasticsearch

079面向削峰填谷的电动汽车多目标优化调度策略.zip

FWA烟花优化算法的MATLAB仿真，matlab2021a测试。烟花算法进行函数优化 参数N为烟花数，D为变量维数，M为变异火花数，Er为爆炸半径，En为爆炸数目 LB,UB分别为变量上下界，T为迭代次数，a,b为爆炸数目限制因子

本书详细的介绍了各种代码优化编程技术：全书分为4章，第一章介绍如何确定程序中消耗CPU时钟最多的热点代码，

CEC2022求解（以蜣螂优化算法为例）

哈工大 研究生 最优化课程相关材料 哈工大 研究生 最优化课程相关材料 哈工大 研究生 最优化课程相关材料

1万辆电动汽车充电所得负荷图，数据来源参考18年电工杯A题

使用螳螂优化算法来寻找目标函数 f(x) = x^2 的最小值，包含代码，注释。 打开 Python 环境，比如 Jupyter Notebook、PyCharm 或者命令行终端等等。 将上述代码复制粘贴到 Python 编辑器中。其中，Mantis 类定义了螳螂优化算法的实现细节，包括初始化、捕食、逃避和迁徙等过程，optimize 函数作为主函数对整个算法进行控制。在代码中定义一个函数 func，该函数接受一个一维数组（即位置向量）作为输入，并返回一个实数（即适应度值）作为输出。您需要按照具体问题设计相应的评价函数，并将其作为参数传递给 optimize 函数。

设计了一种30槽32极分数槽低速大转矩永磁同步电机(FS-PMSM),分数槽绕组采用上下左右四层绕线方法,突破了常规的单、双层绕组方法,通过有限元方法对电机电磁转矩进行分析,发现选择合适的槽电势偏移角不但可以增加一定的电磁转矩,而且可以有效减小转矩波动。在综合考虑电机转矩性能和气隙磁密正弦性的基础上,采用钕铁硼永磁与铁氧体永磁相结合的方法,对电机转子磁极结构进行优化,减少了钕铁硼永磁体的用量,降低了电机造价;对空载反电势进行谐波分析,优化后的磁极结构能减少反电势中的谐波含量。对电机进行二维动态仿真,结果表明方案设计合理,能够表现良好的性能,对此类电机设计与优化具有较高的参考价值。