个人收集的各类智能算法，共有20多个源代码，包括：遗传算法，蚁群算法，粒子群算法，微分进化算法，遗传神经网络算法，粒子群SVM算法，粒子群神经网络算法等混合算法。
。
。

提出了一种将蚁群算法与算法相融合共同完成反传神经网络训练的方法，ACO一BP算法。
该算法首先采用蚁群算法对网络权值进行整体寻优，克服BP算法容易陷入局部最优的不足再以找到的较优权值为初值，采用BP算法做进一步的寻优，以提高网络的训练和预报精度。
将ACO一BP神经网络用于函数逼近问题，并与BP神经网络、蚁群算法神经网络和遗传神经网络的逼近结果进行了比较，验证了该算法的有效性。

基于遗传神经网络的图像分割MATLABA源码，非常经典！

本书系统地论述了古典、现代辨识理论和方法，并探讨了多种如神经网络、遗传神经网络算法、模糊神经网络新的非线性智能辨识技术，引见了诱导和辨识混沌的方法。
分析了各种方法的一致性及特点，并探讨了MAT-LAB软件对各类辨识方法的实现途径。
全书共分8章，在理论分析的基础上，列举了大量的仿真程序、程序剖析和工程应用实例。
本书内容新颖、信息量大，并附开发的多种与辨识相关的源程序光盘，为读者提供了学习或模仿的样本。
本书可供自动化、测控、通信、安全类及相关专业高校师生和工程技术人员选用。

基于遗传神经网络的图像分割的matlab代码，在matlab7.0上可以直接运转！

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。