将PSO(粒子群算法)应用到TSPTW问题(时间窗车辆调度问题)上

这个资源是粒子群算法求解柔性作业车间调度问题的python实现

介绍关于粒子群算法的matlab程序开发方法

DeepVariant DeepVariant是一个分析管道，它使用深度神经网络从下一代DNA测序数据中调用遗传变异。 为什么选择DeepVariant DeepVariant是高度准确的。 在2016年DeepVariant DeepVariant DeepVariant是一个分析管道，该管道使用深度神经网络从下一代DNA测序数据中调用遗传变异。 DeepVariant依赖于Nucleus，这是一个Python和C ++代码库，用于以通用基因组文件格式（例如SAM和VCF）读写数据，旨在与TensorFlow机器学习框架轻松集成。 如何运行我们建议使用我们的Docker解决方案。 该命令将如下所示：BIN_VERSION =“ 0.10.0” sudo docker run

东巴经文是重要的象形文字，对东巴经文的研究有助于研究写作的起源和发展。 通过丽江东巴经文，我们发现有一种特殊的方法可以通过改变脚本的形状来创建新的脚本，称为变形象形文字。 本文研究变体象形文字。

基于遗传算法优化多尺度排列熵参数，类似于粒子群算法优化参数

压缩包内的pso.m是粒子群算法的代码，其余的是遗传算法的代码，本人测试过，压缩包内是两个算法对同一目标函数的对比，来自MATLAB智能算法超级学习手册

摘要: 针对传统的交互式洪水调度方案生成方式存在的缺陷,由基于PSO 算法的洪水优化调度模型,提出了有条件限制的随机自动生成方式,并利用罚函数法处理边界条件和其他非等式约束。实例应用结果表明,较之常规的动态规划法,改进后的PSO 算法计算速度快、结果合理,为流域防洪优化调度提供了有效途径。 　　水库洪水调度对流域防洪减灾至关重要。传统的洪水调度方案通常通过人机交互方式生成。 　　由于洪水调度问题的复杂性和调度经验、水平等原因,最可行的调度方案往往被遗漏,即使是经验较为丰富的调度人员也难以在短时间内生成最优方案,从而影响洪水调度决策的科学性和实时性。 　　因此,有必要研究优化方法以更快、更

使用matlab编码，分为多个.m文件编写，包括支配关系选择，全局领导者选择，删除多于的非劣解，创建栅格，标准测试函数ZDT。

【预测模型】基于粒子群算法PSO优化极限学习机ELM实现数据预测matlab源码.zip