免疫优化算法在物流配送选址中的应用，结合案例给出了程序分析

目录前言第1章数字PID控制………………………………………………………………(1)1.1PID控制原理……………………………………………………………………(1)1.2连续系统的模拟PID仿真…………………………………………………………(2)1.3数字PID控制……………………………………………………………………(3)1.3.1位置式PID控制算法……………………………………………………………(3)1.3.2连续系统的数字PID控制仿真…………………………………………………(4)1.3.3离散系统的数字PID控制仿真…………………………………………………(8)1.3.4增量式PID控制算法及仿真…………………………………………………(14)1.3.5积分分离PID控制算法及仿真…………………………………………………(16)1.3.6抗积分饱和PID控制算法及仿真………………………………………………(20)1.3.7Ｔ型积分PID控制算法………………………………………………………(24)1.3.8变速积分PID算法及仿真……………………………………………………(24)1.3.9带滤波器的PID控制仿真……………………………………………………(28)1.3.10不完全微分PID控制算法及仿真……………………………………………(33)1.3.11微分先行PID控制算法及仿真………………………………………………(37)1.3.12带死区的PID控制算法及仿真………………………………………………(42)1.3.13基于前馈补偿的PID控制算法及仿真………………………………………(45)1.3.14步进式PID控制算法及仿真…………………………………………………(49)第2章常用的数字PID控制系统………………………………………………(53)2.1单回路PID控制系统……………………………………………………………(53)2.2串级PID控制……………………………………………………………………(53)2.2.1串级PID控制原理……………………………………………………………(53)2.2.2仿真程序及分析………………………………………………………………(54)2.3纯滞后系统的大林控制算法……………………………………………………(57)2.3.1大林控制算法原理……………………………………………………………(57)2.3.2仿真程序及分析………………………………………………………………(57)2.4纯滞后系统的Smith控制算法…………………………………………………(59)2.4.1连续Smith预估控制…………………………………………………………(59)2.4.2仿真程序及分析………………………………………………………………(61)2.4.3数字Smith预估控制…………………………………………………………(63)2.4.4仿真程序及分析………………………………………………………………(64)第3章专家PID控制和模糊PID控制…………………………………………(68)3．1专家PID控制…………………………………………………………………(68)3.1.1专家PID控制原理……………………………………………………………(68)3.1.2仿真程序及分析………………………………………………………………(69)3.2模糊自适应整定PID控制………………………………………………………(72)3.2.1模糊自适应整定PID控制原理………………………………………………(72)3.2.2仿真程序及分析………………………………………………………………(76)3.3模糊免疫PID控制算法…………………………………………………………(87)3.3.1模糊免疫PID控制算法原理…………………………………………………(88)3.3.2仿真程序及分析………………………………………………………………(89)第4章神经PID控制……………………………………………………………(94)4.1基于单神经元网络的PID智能控制………………………………………………(94)4.2基于BP神经网络整定的PID控制………………………………………………(103)4.3基于RBF神经网络整定的PID控制……………………………………………

u盘杀毒，防毒，U盘免疫，预防文件夹病毒。
比较老的一个工具！

亲测的人工免疫寻优最大值算法，，代码可以正确运行。

引入生物免疫系统的机理和约束控制的概念，本文提出了一种能够动态多目标多模态约束优化的免疫优化方法。
这种方法主要由环境检测，群体初始化和免疫进化三个模块构成。
一个模块是受到免疫监视的机理的启发而获得，其有效检测环境是否发生变化和确定环境的类型；
第二个模块依据检测结果产生初始群体；
第三个模块不同方向进化两个子群。
实验结果表明该方法能有效发现各个环境的一系列帕累托面。

2020年中国自身免疫性疾病药物行业概览.pdf

MATLAB源码集锦--改进非支配邻域免疫算法目标优化代码

Matlab关于人工神经网络在预测中的应用的论文二-人工神经网络模型在研究生招生数量预测中的应用.pdf四、灰色人工神经网络人口总量预测模型及应用摘要：针对单一指标进行人口总量预测精度不高的问题，基于灰色系统理论和人工神经网络理论，用1990年至2004年中国人口总量序列建立并训练一个多指标的灰色人工神经网络人口总量预测模型。
对2005年至2007年的人口总量进行检验性预测，结果表明灰色人工神经网络模型大大提高了预测精度。
关键词：人口总量；
灰色系统；
BP人工神经网络；
灰色人工神经网络模型引言：本文从影响人口增长的诸多因素中筛选出6个主要因素，结合灰色系统思想与神经网络的优点建立了一个灰色人工神经网络（GreyArtificialNeuralNetwork，GANN）预测模型，对每一个指标分别用GM（1，1）模型选择最佳的维数进行预测，再利用神经网络非线性映射的特性把这6个指标进行非线性组合得到人口总量的预测结果。
该模型充分利用灰色系统弱化数据的随机性及其动态性和神经网络非线性映射的特性，发挥两者的优势，从而进一步提高预测精度。
中间内容省略~结语：由于传统遗传算法聚类算法本身的优点：在解决聚类问题上速度快、准确率高，加上免疫网络分类算法可以进行非监督学习，确定聚类数及聚类点，在实际聚类应用中有更广阔的适用性；
在这种独特的聚类算法的基础上，结合粗糙集理论构建了一种图像分割算法；
同时，通过实验证明该方法不但比传统的FCM算法聚类速度快，分割效果好，而且比文献[2]的分割准确度还要高。
由于该方法有在聚类上的无教师监督的独特优点，并且通过对人脑MR图聚类和分割的两个实验，证明了该分割算法比以往分割算法在具体应用上都有一定的提高。
灰色人工神经网络人口总量预测模型及应用.pdf五、人工神经网络模型在研究生招生数量预测中的应用摘要：研究生招生数量的确定涉国家政策、社会就业、人才需求、专业分布与需求等诸多因素，这些影响因素往往无法量化，而且各个影响因素之间关系错综复杂，简单的线性模型预测未来招生数量往往难以实现。
尝试采用人工神经网络模型，针对历年招生数量原始数据信息零散、隐含影响因素过多、诸多影响因素难以确定性描述等问题，通过对黑龙江省历年研究生招生数量进行系统分析，建立了人工神经网络预测模型，并对未来3年的招生数量进行了预测，预测结果较好，为该方面研究提供了新的研究思路与研究方法。
关键词:黑龙江省;研究生招生;预测;人工神经网络模型引言：关于研究生招生数量的确定，涉及诸多因素，例如国家政策、社会就业、人才需求、专业分布与需求等等。
这些影响因素往往无法量化，很难找出定量化的因素来进行分析，而这些因素又确确实实在很大程度上影响着研究生招生的数量及其分布。
以往分析预测方法主要是确定性数学模型和随机统计方法，例如有限单元法、有限差分法、灰色理论建模、回归分析、谐波分析、时间序列分析、概率统计法等。
这些方法多以线性理论为基础，考虑问题偏于简单化，导致预测精度不高。
本论文结合黑龙江省1981年—2004年的研究生招生规模，针对历年招生数量原始数据信息零散、隐含影响因素过多、诸多影响因素难以确定性描述等问题，探讨应用一种改进的BP网络模型对未来3年黑龙江省研究生招生规模进行预测，为该方面研究提供新的研究思路与研究模式，并渴望为用人单位、科研院校提供制定长远发展与建设规划提供参考。
中间内容省略~结语：采用人工神经网络模型可以有效的处理黑龙江省研究生数量中涉及的人为、政策等随机因素、难以量化等因素的干扰，拟合精度非常高，预测精度也相对较高，为未来研究生招生规模提供科学理论依据，为该方面研究提供新的研究方法与研究思路。
人工神经网络模型在研究生招生数量预测中的应用.pdf六、基于RBF人工神经网络模型预测棉花耗水量摘要：利用MATLAB工具箱，以平均气温、日照时数、平均风速为输入变量，建立了新疆石河子地区棉花耗水量的RBF人工神经网络预测系统，通过2008年实测数据的检验表明，此预测系统网络模型的绝对误差最大为0.0967mm/d、最小为0.0025mm/d、平均为0.0419mm/d，相对误差最大为2.6491%、最小为0.0341%、平均为0.8780%。
可见，网络模型预测的准确度较高，较以往的线性模型更合理，并且此网络训练花费的时间仅需0.0780s，具有一定的实用价值。
关键词：预测；
人工神经网络；
径向基函数；
棉花耗水量引言：计算机人工神经网络是20世纪8

针对低可见光图像和红外图像的特点,提出一种基于DT-CWT的自适应图像融合算法.该算法具有好的平移不变性和方向选择性,更适合于人类视觉.先对源图像作双树复小波变换,充分考虑各尺度分解层的系数特征,对低通子带引入免疫克隆选择,根据统计评价准则定义亲和度函数,自适应获得最优融合权值;对高通子带则根据人类视觉特性定义局部方向对比度,并作为融合准则,突出和增强了各源图像的对比度与细节信息.实验结果表明:与基于小波的融合结果相比较,本文的融合算法自适应性和鲁棒性更强,较好地保护和显示了源图像中的边缘和细节信息,对比度和清晰度都有所提高.该算法用matlab得以实现。

TreeAge是一个能帮助健康保险和生技医药产业方面拟定决策的软件。
例如临床决策，免疫学，流行病学等的模型（models）与各种介入的结果研究（outcomesresearch），可藉由decisionanalysis，costeffectivenessanalysis,Markovmodeling,MonteCarlosimulation等分析作为决策最好的依据。
如果一个药品/医疗器材/疗程非常具有医疗效益，它不仅可以有效的一直疾病减低病人病痛，还可以减少健保局的医疗指出，提升该药品的市场占有率及该药厂的名声，以致降低整个社会的成本。
此外，TreeAge并非只是一套适用于医疗方面的软件，如TreeAgePro就是专门为非医疗方面的专业领域所设计的，最常被律师、游说团体，银行界等广泛使用。

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。