针对当前聚类算法存在的由于初始聚类中心随机选取造成最终聚类结果不佳，运用一种启发式的Canopy算法去优化聚类中心的算法，程序用Java编写，希望对大家有用

基于扰动观察法的光伏MPPT改进算法

多领导者改进算法的MATLAB仿真 loop=500; %确定循环周期 s=0.1; %s取值范围为(0,1) n=10; %初始化智能体个数 r=6; %初始化智能体感知半径 dw=5; %网格Lattice距离 a=1;b=2; %0<=a0 step=0.1; %确定步长 h=0.9; %定义参数h，其取值范围为（0,1） size=50; %初始范围 %---------系统初始化------------------------ q=size*rand(2,n); %初始化智能体初始位置向量 p=2*rand(2,n)-1; %初始化智能体初始速度向量 qr1=size*rand(2,1); %初始领导者1位置向量 pr1=2*rand(2,1)-1; %初始领导者1速度向量 qr2=size*rand(2,1); %初始领导者2位置向量 pr2=2*rand(2,1)-1; %初始领导者2速度向量 qqr1=zeros(2,loop); %每个时间段领导者的位置向量 ppr1=zeros(2,loop); %每个时间段领导者的速度向量 qqr2=zeros(2,loop); %每个时间段领导者的位置向量 ppr2=zeros(2,loop); %每个时间段领导者的速度向量 qq=zeros(2,n,loop); %每个时间段的位置向量 pp=zeros(2,n,loop); %每个时间段的速度向量

为保证数字图像在传输过程中的安全问题,通过分析传统的基于高维混沌系统的图像加密算法,提出了一种图像加密改进算法。将位置置乱和像素替换加入到每次迭代中,并使加密数据流与明文信息相关,弥补了传统算法在应用中的漏洞和不足。理论分析和仿真实验表明,该算法具有良好的保密性和加密效果,密文对明文或初始密钥的任何微小变化具有强烈敏感性,相邻像素满足零相关性,具有较强的安全性和可操作性。

针对C4.5算法在构建决策树过程中将条件属性与决策属性之间的信息增益率作为选择分裂属性的标准,而未考虑条件属性间相关性对结果影响这一缺点,提出了一种修正信息增益率的改进算法。首先计算当前分裂属性与各个条件特征间的平均信息增益,将其作为计算修正信息增益率的影响因素之一;然后使用高等数学中Taylor中值定理和Maclaurin公式的近似式,对修正后的信息增益率公式进行去除对数化简。将改进后的算法分别同原始算法和其他优化算法进行仿真实验,对比结果表明,本文改进后的C4.5决策树算法既提高了平均分类准确率,同时又提高了算法运行效率。

Linear_Threshold 社交网络影响力最大化算法（线性阈值算法以及改进算法） 1、Python 实现社交网络影响力最大化 Linear_Threshold（线性阈值模型）算法。 2、对线性阈值模型算法进行优化改进，实现贪心算法。 3、代码中有详细注释说明，测试代码，测试节点数据集，并对数据集进行处理，输出测试结果。 4、代码实现环境：Python2.7, Anoconda2,Pycharm2017。

电力系统潮流计算程序 9节点改进算法算例 源程序代码 matlab 可供参考

基于Python的GPA计算器，可以直接通过导入exl表格读取信息，在你计算GPA，只需要按照实例表格写入自己的数据，就可以使用啦。

针对人工蜂群算法存在易陷入局部最优、收敛速度慢的缺陷,提出一种改进邻域搜索策略的人工蜂群算法.首先,将混沌思想和反向学习方法引入初始种群,设计混沌反向解初始化策略,以增大种群多样性,增强跳出局部最优的能力;然后,在跟随蜂阶段根据更新前个体最优位置引入量子行为模拟人工蜂群获取最优解,通过交叉率设计更新前个体最优位置,并利用势阱模型的控制参数提高平衡探索与开发的能力,对观察蜂邻域搜索策略进行改进,以提高算法的收敛速度和精度;最后,将改进人工蜂群算法与粒子群算法、蚁群算法以及其他改进人工蜂群算法进行比较,利用12个标准测试函数进行仿真分析.结果表明,改进算法不仅提高了收敛速度和精度,而且在高维函数优化方面具有一定的优势.

bp神经网络改进算法 一.使用说明 该程序有五个主要菜单项: A.数据读入 (从已有数据文件中数据,包括网络结构,权值,学习率,样本等) B.新建数据 (建立新的数据文件) C.学习 D.测试 E.误差显示 操作过程: 1.使用已有的数据: A -> C -> D,E; (已有XOR.TXT, AND.TXT, OR.TXT) 2.新建数据文件: B -> A -> C -> D,E; 举例:求XOR问题数据文件的建立(菜单[B]的使用) 对话框(1) 输入层单元个数:2 (TAB键切换) 隐层单元个数:2 输出层单元个数:1 学习率:0.5 模式个数:4 ("输入"键) 对话框(2 -1) 第1个模式的输入值: (TAB键切换) 注意:0 (空格) 0 第1个模式的目标值: 0 ("输入"键) 对话框(2 - 2) 第2个模式的输入值: (TAB键切换) 0 (空格) 1 第2个模式的目标值: 1 ("输入"键) 对话框(2 - 3) 第3个模式的输入值: (TAB键切换) 1 (空格) 0 第3个模式的目标值: 1 ("输入"键) 对话框(2 - 4) 第4个模式的输入值: (TAB键切换) 1 (空格) 1 第4个模式的目标值: 0 ("输入"键) 二.程序说明 程序实现的是二层BP网络,通过从文件中读入数据来构建网络,同时读入对应的样本进行学习,测试. ε=0.09 变量为max_error_tollerance; forward_pass()向前计算输出值; backward_pass()向后调整权值;