PV 模块需要 MPPT 转换器以获得最大功率。 然而，在部分遮蔽时，由于存在多个最大功率点，更难获得最大功率。 PSO 可用于获得全局最大功率点。 请注意，PSO 的使用是基本的，需要大量扰动才能获得全局最大功率点。 如果出现此错误： 评估 block_diagram 'MPPT_PSO' 的 'InitFcn' 回调时出错。 回调字符串是 'load('refData.mat')' 去： https://youtu.be/ZXYiKHypbRA

在本文中，作者描述了使用PSO算法改善LCMV和MVDR波束形成的性能。 最初，我们使用LCMV设计了波束形成，并且我们通过提取权重，功率和SINR等参数来分析了阵列信号处理的性能。 通过使用LCMV，我们注意到最小的信噪比（SINR），旁瓣的出现和干扰。 最终，我们尝试通过在波束成形中采用PSO来提高性能。 我们已经观察到性能显着提高。 使用多个传感器元素（例如M = 4/8/50/100）扩展了分析。 使用相控阵系统工具箱在MATLAB中进行了整个分析，并获得了相应的输出。 通过将LCMV和MVDR与PSO技术进行比较，得出的结果是，在PSO中观察到了优化的输出，从而提高了方向性，避免了干扰并减轻了旁瓣。

主要是通过GA和PSO的全局搜索能力，用于改进BP网络的权值阈值

遗传算法优化BP神经网络

广义预测控制在理论上已经有了很深的研究，并在工业控制中获得了应用，但广义预测控制存在着模型失配和系统不确定等缺陷。为克服上述缺陷，本文提出基于BP神经网络建立一个对象模型，用修正的误差预测值对输出预测值进行补偿，从而实现对被控对象的预测控制。通过Matlab仿真，表明神经网络预测控制对非线性系统具有较好的控制效果。

基于BP神经网络的汽车牌照识别系统的设计与实现

上海大学-智能系统控制（计算机专业课）-智能系统控制实验六-BP网络逼近仿真实例与BP网络模式识别仿真实例-matlab实现及报告 包含源代码 实验代码 实验分析 实验结果 结论 可直接运行

QPSO matlab程序源码 QPSO的实现方法。

基于BP神经网络的滚动轴承性能退化预测。

压缩包内包括：matlab编写的BP神经网络代码（这里用的是单隐藏层）（代码大体有释义）+训练数据+BP神经网络关键原理及代码对照