微软AD域认证考试的相关部分英文试题，方便练习自测和验证相关AD域知识内容。每道题都有知识讲解，方便好用。

变邻域搜索算法matlab代码CODO 在过去的几十年中，进行了大量研究以提出许多自然启发的优化技术。 SitoLIB是一个基于人的意见形成的优化器的开源库。 它包括基于社会影响理论的优化器（SITO）和涂尔干的基于社会融合理论的优化器（CODO）。 目的是开发一个易于理解的通用软件库，该库可以合并到特定于应用程序的系统中。 库的当前版本包括优化程序的二进制版本和连续（实值）版本。 我们的二进制实现基于[Latane，1981]给出的社会影响理论和[Macas，2008]给出的优化程序的伪代码。 称为持续意见动态优化器（CODO）的连续实施基于涂尔干的社会整合理论[Durkheim，1997]和[Rishemjit，2013]给出的优化器伪代码。 到目前为止，库中实现了CODO的一种变体和SITO的以下不同变体，以最大程度地减少异议功能： OSITO（原始SITO算法）， SSITOsum（带有SUM规则的简化SITO）， SSITOmean具有MEAN规则的简化SITO）和 GSITO（加拉姆风格的SITO）。 这些变体已在不同的应用程序中有效使用，例如使用UCI机器学习存储库数据集

变邻域搜索算法matlab代码

针对受控系统非线性、时变性、复杂性和不确定性的特点,文中采用一种基于模糊控制的变论域自适应控制算法,将变论域引入模糊控制的隶属函数中,设计了输入函数的自适应律,并通过李雅普诺夫函数进行了稳定性分析.仿真结果表明在有干扰的情况下,算法能很好的跟踪系统输入,使系统跟踪误差小且能够保证系统的稳定性.该算法结构简单,具有良好的鲁棒性和动态性能,同时克服了系统参数变化对稳定性造成的不利影响.仿真实例表 明了本算法的正确性和有效性.

从优化模糊控制器的角度出发，讨论了变论域思想和伸缩因子的概念，同时就量化、比例因子和伸缩因子的关系进行了分析，进而阐述了一般情况下两种伸缩因子的选取方法；在此基础上将模糊PID和变论域思想想结合，形成变论域自适应模糊PID控制结构；最后通过某复杂非线性系统进行仿真研究，结果表明该方法达到了预期目的，优越性明显。

传统基于样本块的图像修复算法中样本块大小是固定不变的,在修复过程中无法根据图像的具体情况进行调节,这在很大程度上影响了图像的整体修复效果。为了解决这一问题,提出一种自适应确定样本块大小的方法。该算法通过分析图像的梯度域变化,获得各像素点处的结构信息,进而自适应确定待修复样本块的大小。仿真实验结果表明,该算法能够有效克服传统方法中经常出现的诸如结构误传播、图像整体结构丢失等缺点,对具有明显结构变化的图像取得了比较理想的修复效果。

StarGAN: 面向跨域图像变换的统一对抗生成网络，可实现面部表情/性别迁移

针对噪声方差不确定的约束系统,讨论了一种鲁棒滚动时域估计(MHE)方法.首先,根据噪声方差不确定模型,找到满足所有不确定性的最小方差上界,在线性矩阵不等式(LMI)框架下求解优化问题,得到近似到达代价的表达形式;然后再融合预测控制的滚动优化原理,把系统的硬约束直接表述在优化问题中,在线优化性能指标,估计出当前时刻系统的状态.仿真时与鲁棒卡尔曼滤波方法进行比较,结果表明了该方法的有效性.

OFDM系统模拟，有各种时域图和频谱图，相位图

枚举法的matlab代码实现 newtonMethod 牛顿法求解复数域上x^4-1=0收敛域的程序 using Python [总体分析] 1、牛顿法本质上是关于迭代求解非线性方程解的方法，而迭代是为了不断逼近精确解。牛顿法迭代的关键在于对非线性函数（方程）的线性化。它是一种近似求解的方法，关于其原理不再赘述。 2、求解收敛域，程序的关键在于如何判断对于给定的初值，是收敛的还是发散的。如果收敛，收敛于哪个解。 3、经过综合考量程序性能和解的正确性，同时根据牛顿法在收敛域内能以平方量级快速收敛的特点，确定程序中牛顿法退出迭代的限制条件为：①最大迭代次数限制（判定为发散）；②迭代值之间距离精度限制（收敛）；③函数值精度限制（收敛）。 4、通过枚举一定范围内的点，来绘制出收敛域。 5、同时需要注意一些特殊情况，比如在运用迭代时，分母为0的情况。 [编程语言与环境] C/C++/C#/Java等编译型语言：由于编译型语言对变量类型限制严格（在编译之前必需确定变量类型），容易让程序员花费过多精力纠结于程序实现细节而忽略问题本身的分析，为了提高效率，不采用； MALTAB：解释型语言，不支持面向