1、资源内容：基于Matlab遗传算法设计PID控制器（源码）.rar 2、适用人群：计算机，电子信息工程、数学等专业的大学生课程设计、期末大作业或毕业设计，作为“参考资料”使用。 3、解压说明：本资源需要电脑端使用WinRAR、7zip等解压工具进行解压，没有解压工具的自行百度下载即可。 4、免责声明：本资源作为“参考资料”而不是“定制需求”，代码只能作为参考，不能完全复制照搬。不一定能够满足所有人的需求，需要有一定的基础能够看懂代码，能够自行调试代码并解决报错，能够自行添加功能修改代码。由于作者大厂工作较忙，不提供答疑服务，如不存在资源缺失问题概不负责，谢谢理解。

针对传统随机生产模拟忽略负荷的时序特性而难以考虑机组启停、备用、调峰等相关动态费用的问题，将转移频率分析纳入随机生产模拟框架中，形成了改进等效电量频率法．该方法通过等效负荷频率曲线(ELFC)的卷积考虑机组启停，将生产成本分析的范畴拓宽到动态费用的计算．根据所提算法和含风电的EPRI 36算例，比较了风电并网前后系统可靠性指标、燃料成本、环境成本和动态费用等的变化，并研究了风电装机规模对动态费用率的影响．结果表明，相对于动态费用的增加，风电对系统可靠性与经济性的改善是主要的，但动态费用率随着风电规模的扩大

pso.m是主程序，pso-pid是适应值函数， 粒子群优化PID 粒子群算法，也称粒子群优化算法或鸟群觅食算法（Particle Swarm Optimization）。思想源于对鸟/鱼群捕食行为的研究，模拟鸟集群飞行觅食的行为。 粒子群算法通过设计一种无质量的粒子来模拟鸟群中的鸟，每个粒子有两个属性：位置和速度； 每个粒子在搜索空间中单独的搜寻最优解，通过适应度函数确定适应值来评价当前位置的好坏，并记录最优解。

GA-BP VS BP-遗传算法在哪优化了BP神经网络？附实验数据和代码

基于MATLAB编程，用长短期神经网络LSTM进行碳排放量预测，碳排放是一种时间序列的数据，用LSTM比一般神经网络更适合，代码完整，包含数据，有注释，方便扩展应用 1，如有疑问，不会运行，可以私信, 2，需要创新，或者修改可以扫描二维码联系博主, 3，本科及本科以上可以下载应用或者扩展， 4，内容不完全匹配要求或需求，可以联系博主扩展。

labview 中的floyd算法实现

运用LOGWARE4．0软件中的“COG”模块对仓库选址进 行精确重心法求解。实验结果如图2所示。实验表明，从25 次迭代以后，运算结果保持不变。因此 ，该仓库的地址为 = 6．298，Y=6．484，运输成本为55 015 057．44美元。 图2 运用精确重心法求解仓库选址问题的结果 4．1．3 粒子群算法求解实例结果 采 用 MATLAB7进 行 算 法 编 程 ，在 Intel Core2 Duo CPU T7100 1．80 GHz的计算机上进行计算。经过多次实验， 最终确定粒子群算法的各项参数 ：种群规模 m=25，惯性权重 CO=0．2，学习因子 c，=c，=1．5，迭代次数 gmax=30。 经过一次计算机实验 ，得到的初始种群如图3所示，经过 3O次迭代，种群的平均适应度和最优适应度的变化情况如图4

可直接编译运行，开发耗时三个月，创作不易，请多多支持

SimulationApp 一个概念证明算法开发用例的应用程序项目。 此存储库依赖于以下存储库中的内容来支持演示： Algo_Cluster_Infrastructure：设置Rancher Kubernetes集群的说明和Ansible手册。 Algo_Dev_Scenario_1：一个场景存储库，其中包含基本运行时（OpenJDK）和执行数据。 Algo_Dev_Scenario_2：另一个方案存储库，包含基本运行时（OpenJDK）和执行数据。 DevSecOps软件工厂中的算法开发 该项目的主要目的是演示一种在我们的领域内定制和应用DevSecOps实践的方法。 我们正在探索的用例是算法开发。 过去，我们经常看到在“繁重的数学”环境中使用模拟和蒙特卡洛分析来评估变化和评估性能的算法参考实现。 在这种情况下经常会看到大量的Matlab使用，这几乎总是作为单线程单片应用程序执行

本实现的目的是比较和总结报告的主要混合算法：[1] Deng、Xi、Bin Xie 和 Feng Xiao。 “边界变化减少（BVD）算法的一些实用版本。” arXiv 预印本 arXiv:1708.01148 (2017) 和 [2] Deng, Xi, et al. “具有移动界面的可压缩多相流的高保真不连续性解决重建。” 计算物理学杂志（2018 年）。 其中 WENO5 和 MUSCL 方法通过边界值递减 (BVD) 算法与 THINC 重建混合。 与往常一样，编写这些代码片段是为了让它们可读而不是完全优化的代码。