《智能优化算法及其MATLAB实例（第2版）》][包子阳,余继周,杨杉]书籍配套程序源代码。
智能优化算法在处理大空间、非线性、全局寻优、组合优化等复杂问题方面具有独特的优势，因而得到了国内外学者的广泛关注，并在信号处理、图像处理、生产调度、任务分配、模式识别、自动控制和机械设计等众多领域得到了成功应用。
本书介绍了8种经典智能优化算法——遗传算法、差分进化算法、免疫算法、蚁群算法、粒子群算法、模拟退火算法、禁忌搜索算法和神经网络算法的来源、原理、算法流程和关键参数说明，并给出了具体的MATLAB仿真实例。
对于要用这些算法工具来处理具体问题的理论研究和工程技术人员，通过本书可以节省大量查询资料和编写程序的时间，通过仿真实例可以更深入地理解、快速地掌握这些算法。
智能优化算法在处理大空间、非线性、全局寻优、组合优化等复杂问题方面具有独特的优势，因而得到了国内外学者的广泛关注，并在信号处理、图像处理、生产调度、任务分配、模式识别、自动控制和机械设计等众多领域得到了成功应用。
本书介绍了8种经典智能优化算法——遗传算法、差分进化算法、免疫算法、蚁群算法、粒子群算法、模拟退火算法、禁忌搜索算法和神经网络算法的来源、原理、算法流程和关键参数说明，并给出了具体的MATLAB仿真实例。
对于要用这些算法工具来处理具体问题的理论研究和工程技术人员，通过本书可以节省大量查询资料和编写程序的时间，通过仿真实例可以更深入地理解、快速地掌握这些算法。
2023/3/19 10:38:16
84KB
1
PPT是针对博主使用粒子群优化算法解决水面无人艇静态、动态障碍物规避，及场地规划三类问题，做了更深入的总结分析。
与目前火热的机器学习不同，智能优化算法需要对问题建立确定的模型，具有明确的优化目标函数，对优化变量不断的寻优。
通过对三种算法的问题描述、模型建立、算法参数确定、算法流程描述、计算结果分析，及从维度、优化变量、优化目标、针对业务的PSO优化四个方面，对应用在不同场景下的三种粒子群算法进行对比总结，旨在更彻底的剖析如何将粒子群优化算法应用到具体的问题中。
该PPT是原版包含动画的PPT（Office版本越高越好，至少2010，否则有些动画在低版本显示有问题），自我感觉PPT做的很正、很文艺范，是博主7年来打杂做各种PPT经验的大成之作（说白了也就这水平），相信看完原版PPT你就会觉得原来技术分享也可以这么文艺范！
与目前火热的机器学习不同，智能优化算法需要对问题建立确定的模型，具有明确的优化目标函数，对优化变量不断的寻优。
通过对三种算法的问题描述、模型建立、算法参数确定、算法流程描述、计算结果分析，及从维度、优化变量、优化目标、针对业务的PSO优化四个方面，对应用在不同场景下的三种粒子群算法进行对比总结，旨在更彻底的剖析如何将粒子群优化算法应用到具体的问题中。
该PPT是原版包含动画的PPT（Office版本越高越好，至少2010，否则有些动画在低版本显示有问题），自我感觉PPT做的很正、很文艺范，是博主7年来打杂做各种PPT经验的大成之作（说白了也就这水平），相信看完原版PPT你就会觉得原来技术分享也可以这么文艺范！
2023/3/8 1:11:05
18.56MB
1
为克服水声多途干扰影响,提出将差分跳频技术应用于水声通信,通过分析水声多途信道下差分跳频信号的特征,利用频率转移函数的隐含信息和水声信道的多途特征,优化了频率序列检测的Vitervi硬判决算法,并详细给出了算法流程.在含有加性高斯白噪声的多途信道下进行了仿真.结果表明,采用优化算法的系统功能得到显著提高,在频率检测差错率为10×10-3时,获得了近2.5dB的增益,表明差分跳频体制能有效克服多途干扰,适用于水声通信.
2018/7/6 11:25:43
905KB
1
这是英文版的课后答案，还有第二版的中文版的课后答案，答案比较具体的表达出了算法流程（殷建平版）
2021/4/13 14:11:26
2.78MB
1
课题引见：本课题为基于MATLAB的平面参数测量系统，是以一个带缺陷的光伏面板作为素材，检测出缺陷所在，定位后计算出每个缺陷的面积大小。
本设计带有一个人机界面GUI.二、算法流程：读入测试图片——rgb转换——分割——开闭运算——空洞填充——过滤微小连通域面积——计算缺陷面积和个数。
本设计带有一个人机界面GUI.二、算法流程：读入测试图片——rgb转换——分割——开闭运算——空洞填充——过滤微小连通域面积——计算缺陷面积和个数。
2017/9/1 7:54:16
1.18MB
1
本课题是基于MATLAB颜色的植物虫害检测识别，可以辨析植物叶子属于是轻度虫害，中度虫害，严重虫害，正常等四个级别。
算法流程：每种等级叶子分别放在同一个文件夹，训练得到每个文件夹每个叶子的颜色分量，得到训练值color.mat，测试某片叶子，进行亮度调理，色彩空间转换，计算颜色分量，识别，得到结果。
不懂的地方可以咨询作者，提供全站式解答。
算法流程：每种等级叶子分别放在同一个文件夹，训练得到每个文件夹每个叶子的颜色分量，得到训练值color.mat，测试某片叶子，进行亮度调理，色彩空间转换，计算颜色分量，识别，得到结果。
不懂的地方可以咨询作者，提供全站式解答。
2018/8/4 21:50:44
7.84MB
1
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。
2024-04-09 15:03
15KB