为实现对双陷波超宽带(UWB)天线的精准神经网络建模,提出了一种利用改进的果蝇算法(FOA)优化广义回归神经网络(GRNN)的建模方法。
该方法通过扩大果蝇搜索范围,在味道判定公式中引入调整项来实现果蝇算法的改进,并用改进后的果蝇算法优化GRNN的光滑因子。
这样可以避免果蝇算法陷入局部最优,提高模型预测精度。
将该方法用于双陷波超宽带天线模型的建立中,并对天线的S11参数和电压驻波比VVSWR参数进行预测。
结果表明,相比于FOA-GRNN建模方法和GRNN建模方法,S11参数的最大相对误差分别减小了91.08%和99.14%;VVSWR参数的最大相对误差分别减小了98.36%和99.18%,使超宽带天线建模精度得到提高,验证了该方法的可行性。

锅炉过热汽温的动态特性会随运行工况发生较大变化,传统的控制方法难以达到理想的控制性能。
该文基于线性自抗扰控制器设计串级优化控制方案,根据现有的比例-积分-微分(PID)控制器参数计算自抗扰控制器参数初值,进而基于改进的优化指标,采用果蝇算法优化出一组适用于不同工况的固定控制器参数。
仿真结果表明:该方案能够很好地平衡快速性与稳定性的矛盾,且具有更好的性能鲁棒性。

针对传统果蝇优化算法在进行优化时所存在的寻优精度偏低和收敛速度较慢的问题，提出了一种新的改进果蝇优化算法。
该算法在迭代过程中将每次迭代所得最优值的变化率作为下一次果蝇种群飞行距离变化的参考依据。
动态改变果蝇种群每次飞行的距离，能够有效地权衡算法的全局搜索能力和局部搜索能力。
将该改进算法在函数优化中与原果蝇算法和另外两种果蝇改进算法进行仿真对比，结果表明，所提出的改进算法在收敛精度、收敛速度以及稳定性方面具有明显优势。

《果蝇优化算法研究综述》论文的所有参考文献，是比较全面的近些年的国内外果蝇算法文献，一个个下载需要到外网下载，我在这全部打包了。
研究果蝇算法的朋友，千万不能错过。

果蝇算法在广义回归神经网络上的应用，MATLAB算法实例，内有正文，简单可用。

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。