基于matlab的车牌识别，采用的是BP神经网络来识别

利用鱼群算法优化BP神经网络权值，本代码包括完整的鱼群算法，BP神经网络算法和运行数据，可以直接运行。

智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真代码，适合科研人员

Pso算法优化Bp神经网络的程序 欢迎下载

基于改进的BP神经网络车牌识别的研究.pdf

【达摩老生出品，必属精品，亲测校正，质量保证】 资源名：模拟退火算法的matlab示例_SA_SA_matlab 资源类型：matlab项目全套源码 源码说明： 全部项目源码都是经过测试校正后百分百成功运行的，如果您下载后不能运行可联系我进行指导或者更换。 适合人群：新手及有一定经验的开发人员

【达摩老生出品，必属精品，亲测校正，质量保证】 资源名：模拟退火算法matlab_退火算法 资源类型：matlab项目全套源码 源码说明： 全部项目源码都是经过测试校正后百分百成功运行的，如果您下载后不能运行可联系我进行指导或者更换。 适合人群：新手及有一定经验的开发人员

1 原理 粒子群算法是群智能一种，是基于对鸟群觅食行为的研究和模拟而来的。假设在鸟群觅食范围，只在一个地方有食物，所有鸟儿看不到食物（不知道食物的具体位置），但是能闻到食物的味道（能知道食物距离自己位置）。最好的策略就是结合自己的经验在距离鸟群中距离食物最近的区域搜索。 利用粒子群算法解决实际问题本质上就是利用粒子群算法求解函数的最值。因此需要事先把实际问题抽象为一个数学函数，称之为适应度函数。在粒子群算法中，每只鸟都可以看成是问题的一个解，这里我们通常把鸟称之为粒子，每个粒子都拥有： 位置，可以理解函数的自变量的值； 经验，也即是自身经历过的距离食物最近的位置； 速度，可以理解为自变量的变化

C#编写，BP神经网络实现，测试函数可根据需要进行修改

论文研究-多目标平面选址问题的模拟退火算法.pdf,  用模拟退火算法求解一类困难的多目标平面选址问题，经微机上大量试算，效果较好.