PID控制器是过程控制中应用最为广泛的控制器，而传统PID控制器参数整定难以达到最优状态，同时，存在控制结果超调量过大、调节时间偏长等缺点，因此，将变异粒子群优化算法（Mutation Particle Swarm Optimization，MPSO）运用于BP-PID的参数整定过程中，设计了一种高效、稳定的自适应控制器。考虑MPSO的变异机制，以种群适应度方差与种群最优适应度值为标准，进行种群变异操作，可以克服早熟，提高收敛精度和PSO的全局搜索能力，使MPSO优化的BP神经网络整定的PID控制器能以更快的速度、更高的精度完成过程控制操作。在实验中，通过比较BP-PID、PSO-BP-PID以及MPSO-BP-PID三控制器仿真结果，证明了所提MPSO算法的有效性和所设计MPSO-BP-PID控制器的优越性。

《算法设计与分析基础(第3版 影印版)》在讲述算法设计技术时采用了新的分类方法，在讨论分析方法时条分缕析，形成了连贯有序、耳目一新的风格。为便于学生掌握，本书涵盖算法入门课程的全部内容，更注重对概念(而非形式)的理解。书中通过一些流行的谜题来激发学生的兴趣，帮助他们加强和提高解决算法问题的能力。每章小结、习题提示和详细解答，形成了非常鲜明的教学特色。, 《算法设计与分析基础(第3版 影印版)》特色：, 独辟蹊径，采用一种更全面的算法设计技术分类方法, 涵盖递归与非递归算法的数学分析，也涉及经验分析和算法可视化, 探讨算法的局限性及解决方法, 将算法视为解决问题的工具，通过谜题和游戏来开拓算法思维, 为学生提供600多道习题(含提示)，为教师提供有详细解答的教师手册

旅行商问题，即TSP问题（Travelling Salesman Problem）是数学领域中著名问题之一。本文档内含有多个TSP的实现算法及相应代码，主要有模拟退火算法和遗传算法。实现语言有c ,c++和matlab

资源介绍：。相对于之前的版本更新：。1、所有方法都增加了 路径 参数，方便操作路径指定的值。2、路径参数增加了\ 转义符，比如属性名本身包含. 就可以用\. 比如：192\.168\.0\.1。3、移除了 属性是否存在 和 成员是否存在 方法，因为直接用 zyJSon.是否存在 方法就可以了。4、修改了，zyJson.添加成员 和 zyJson.添加属性 方法是添加的副本，所以被添加的对象变量可以重复使用。5、支持对没有引号的属性名进行解析，如 “{name='xxx'}” name可以没有引号。资源作者：。kyozy。资源界面：。资源下载：。

基于Java的实例源码-用Java加密类实现DES、RSA及SHA的加密算法.zip

针对传统的遗传算法存在搜索效率低和无客观判敛标准的缺点,结合不动点算法的渐细剖分思想对其进行改进,首先将函数优化问题转换为不动点问题;然后对解空间做单纯剖分,根据剖分顶点信息进行迭代搜索;最后将寻找到的全标单纯形转换为目标值输出。将改进算法应用到开关磁阻电机的结构优化设计中,建立了以电磁径向力最低为目标的优化设计模型。以功率为2.2kw的电机为例,利用该模型进行优化分析,并与原电机参数进行对比。结果表明,改进后的算法经过10次迭代后求得较好的全局最优解,稳定高效。

初版代码，正侧视条件下，进行脉内运动补偿和距离徙动补偿，参考文献请看2021年国防科大的博士论文《微小型无人机载FMCW-SAR成像技术研究与系统实现》，这是我认为写的最详细公式最规范的一篇博士论文，有Ian. G. Cumming的风格，非常推荐！

模拟退火算法（Simulated Annealing, SA）是一种概率型优化算法，用于在给定大的搜索空间内寻找问题的最优解。该算法模仿了物理退火过程，即固体物质加热后再缓慢冷却以减少系统的能量，达到更稳定的状态。在模拟退火中，"能量"对应于优化问题的目标函数值，"温度"则是一个控制参数，用于决定接受较差解的概率，以避免陷入局部最优。 以下是一个使用Python实现的模拟退火算法示例： 在这个例子中，cost_function 是我们要优化的目标函数，neighbour_function 用于生成当前解的邻近解，simulated_annealing 函数实现了模拟退火算法的主体逻辑。我们从一个随机初始化解开始，通过不断迭代、生成新解、评估和接受或拒绝新解来寻找最优解。 请注意，模拟退火算法的性能高度依赖于初始温度、降温速率、最大迭代次数等参数的设置，以及邻居函数和目标函数的设计。在实际应用中，可能需要根据具体问题调整这些参数和函数。

【智能优化算法】基于遗传算法求解非线性目标函数最小值问题含Matlab源码.zip

使用AFO算法以及其他GA和PSO算法求解不确定多式联运路径优化问题。同时和MATLAB自带的全局优化搜索器进行对比。 直接运行main.m 需要matlab2021及以后版本。 考虑不确定性的模糊多式联运路径优化研究，可以在满足运输方案经济环保双重要求的同时，增强运输 方案的鲁棒性，提高企业的抗风险能力。本文建立了模糊需求和模糊运输时间下低碳低成本多式联运路径优化模 型，针对连续型元启发式算法无法直接求解离散型组合优化模型的问题，设计了基于优先级的通用编码方式；在 此基础上，为进一步提高算法的求解质量，提出了带启发式因子的特殊解码方式。