智能算法-遗传算法、蚁群算法、粒子群算法实现。
实现版本Java,Python,MatLab多版本实现。
具体详细阐明上傳附件檔案內資料夾有每个算法有着详细的阐明README蚁群算法：Ant_Colony_Optimization遗传算法：Genetic_Algorithm免疫算法：Immunity_Algorithm粒子群：ParticleSwarmOptimization
实现版本Java,Python,MatLab多版本实现。
具体详细阐明上傳附件檔案內資料夾有每个算法有着详细的阐明README蚁群算法：Ant_Colony_Optimization遗传算法：Genetic_Algorithm免疫算法：Immunity_Algorithm粒子群：ParticleSwarmOptimization
2017/9/2 22:36:16
1.58MB
1
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代码模型及运转结果
2018/7/6 11:27:45
1.08MB
1
包含了数学建模常用的算法，如多元回归、决策树、粒子群算法、模拟退火等30个算法以及对应论文，对于数学建模有很大协助。
2015/11/11 19:17:09
353.81MB
1
四、光栅方程的一般方式与谱线弯曲在（式中所表示的光栅方程，仅是光线在光栅主截面内入射和衍射的特殊情况。
在实际的光谱仪器中，狭缝都是有一定高度的。
从缝上不同点发出的光束都是以不同的角度斜入射到光栅面上，即这些光束是对主截面倾斜的。
经光栅衍射后的衍射光束显然也不在主截面上，并且其衍射角也不等于在主截面上的、由狭缝中点发出的光束的衍射角，这就和棱镜一样会导致光谱线的弯曲。
为求得斜入射情况下光栅的衍射，即光栅方程的一般方式，首先在光栅上建立一个直角坐标系：把直角坐标系置于光的原点平面和光栅表面重合，轴平栅面的中心；
行于光栅刻痕；
轴即为通过光栅中心的法线，平面即为主截面。
如图所示，使狭缝端点发出的斜射主光线通过坐标原点，另一条与点，之平行的相邻光线入射到光栅上的点的坐标是。
从点向和它的衍射光线分别作垂线，垂足。
则和是是这两条相邻入射光线的光程差，是两条相应的相邻衍射光线的光程差，总光程差为
在实际的光谱仪器中，狭缝都是有一定高度的。
从缝上不同点发出的光束都是以不同的角度斜入射到光栅面上，即这些光束是对主截面倾斜的。
经光栅衍射后的衍射光束显然也不在主截面上，并且其衍射角也不等于在主截面上的、由狭缝中点发出的光束的衍射角，这就和棱镜一样会导致光谱线的弯曲。
为求得斜入射情况下光栅的衍射，即光栅方程的一般方式，首先在光栅上建立一个直角坐标系：把直角坐标系置于光的原点平面和光栅表面重合，轴平栅面的中心；
行于光栅刻痕；
轴即为通过光栅中心的法线，平面即为主截面。
如图所示，使狭缝端点发出的斜射主光线通过坐标原点，另一条与点，之平行的相邻光线入射到光栅上的点的坐标是。
从点向和它的衍射光线分别作垂线，垂足。
则和是是这两条相邻入射光线的光程差，是两条相应的相邻衍射光线的光程差，总光程差为
2019/7/16 13:37:20
7.29MB
1
文件中给出案例数据，列代表指标集（输入集x:1-7,输出集y:8）行代表数据集。
可以用于本科毕业论文或者硕士毕业论文，首先使用SPSS进行出成分分析，然后将主成分得分值作为输入集，输出集保持不变。
通过该算法文件就可以得到预测值，具体步骤可以参考《基于SVM和LS-SVM的住宅工程造价预测研究》。
本算法使用BP神经网络的误差函数作为GWO算法的适应度函数，通过BP神经网络连接权值和阈值的数量来决定GWO算法中灰狼的维数，那么GWO算法寻优的过程就是权值和阈值更新的过程。
因而，GWO算法寻优的过程替代了BP神经网络梯度下降的过程。
经过不断更新和迭代，最终确定出全局最优值，即灰狼α所处的位置。
本算法输出的权值和阈值即作为神经网络的权值和阈值，不在通过神经网络继续训练。
可以参考文献《基于粒子群优化算法的BP网络学习研究》。
可以用于本科毕业论文或者硕士毕业论文，首先使用SPSS进行出成分分析，然后将主成分得分值作为输入集，输出集保持不变。
通过该算法文件就可以得到预测值，具体步骤可以参考《基于SVM和LS-SVM的住宅工程造价预测研究》。
本算法使用BP神经网络的误差函数作为GWO算法的适应度函数，通过BP神经网络连接权值和阈值的数量来决定GWO算法中灰狼的维数，那么GWO算法寻优的过程就是权值和阈值更新的过程。
因而，GWO算法寻优的过程替代了BP神经网络梯度下降的过程。
经过不断更新和迭代，最终确定出全局最优值，即灰狼α所处的位置。
本算法输出的权值和阈值即作为神经网络的权值和阈值，不在通过神经网络继续训练。
可以参考文献《基于粒子群优化算法的BP网络学习研究》。
2019/11/18 17:14:58
13KB
1
个人辛苦编写的PSO粒子群优化算法python程序代码，将适应度值计算部分更换成自己要优化的内容，稍加调试即可运行。
粒子群优化算法(PSO：Particleswarmoptimization)是一种进化计算技术（evolutionarycomputation）。
源于对鸟群捕食的行为研究。
粒子群优化算法的基本思想：是通过群体中个体之间的协作和信息共享来寻找最优解。
PSO的优势：在于简单容易实现并且没有许多参数的调理。
目前已被广泛应用于函数优化、神经网络训练、模糊系统控制以及其他遗传算法的应用领域。
粒子群优化算法(PSO：Particleswarmoptimization)是一种进化计算技术（evolutionarycomputation）。
源于对鸟群捕食的行为研究。
粒子群优化算法的基本思想：是通过群体中个体之间的协作和信息共享来寻找最优解。
PSO的优势：在于简单容易实现并且没有许多参数的调理。
目前已被广泛应用于函数优化、神经网络训练、模糊系统控制以及其他遗传算法的应用领域。
2017/8/8 9:37:48
3KB
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