Astar算法(matlab)

【实例简介】

情人节表白

稀疏分解 ksvdbox13 ├── Contents.m├── faq.txt├── images│   ├── barbara.png│   ├── boat.png│   ├── house.png│   ├── lena.png│   └── peppers.png├── ksvd.m├── ksvddemo.m├── ksvddenoise.m├── ksvddenoisedemo.m├── ksvdver.m├── odct2dict.m├── odct3dict.m├── odctdict.m├── odctndict.m├── ompdenoise.m├── ompdenoise1.m├── ompdenoise2.m├── ompdenoise3.m├── private│   ├── add_dc.m│   ├── addtocols.c│   ├── addtocols.m│   ├── col2imstep.c│   ├── col2imstep.m│   ├── collincomb.c│   ├── collincomb.m│   ├── countcover.m│   ├── dictdist.m│   ├── im2colstep.c│   ├── im2colstep.m│   ├── imnormalize.m│   ├── iswhole.m│   ├── make.m│   ├── mexutils.c│   ├── mexutils.h│   ├── normcols.m│   ├── printf.m│   ├── reggrid.m│   ├── remove_dc.m│   ├── rowlincomb.c│   ├── rowlincomb.m│   ├── sampgrid.m│   ├── secs2hms.m│   ├── spdiag.m│   ├── sprow.c│   ├── sprow.m│   ├── timerclear.m│   ├── timereta.m│   └── timerinit.m├── readme.txt└── showdict.m2 directories, 52 files

高光谱空间预处理算法spatial preprocessing (SPP) algorithm for hyperspectral endmember extraction SPP ├── DEMO_SPPNFINDR.m ├── NFINDR.m ├── SAD.m ├── freadenvi.m └── spatial_preprocessing_SADpondSQdist.m 0 directories, 5 files

matlab实现拉格朗日插值

【实例简介】自适应滤波器是指根据环境的改变，使用自适应算法来改变滤波器的参数和结构的滤波器

power_4PVarray_400kW.slx

【实例简介】MATLAB智能算法30个案例分析 源代码

采用蚁群算法求取TSP问题 1基本原理： 本质上也是一种概率算法，通过大概率收敛到最佳值，和其他的智能算法很相似。蚁群分泌的信息素存在正反馈，使得较佳的解具有大概率被选到，当全局都选用较佳的解，变可以得到整体的最优解。 2几个关键点：  1）概率选择：受信息素浓度和启发函数影响，启发函数为距离的倒数   2）信息素挥发：考虑到信息素随时间的挥发，加入挥发因子  3程序设计步骤：  1）初始化各个参数：包括各点的距离，信息素的初始浓度，蚂蚁数量，信息素挥发因子，信息素和启发函数的重要度因子，启发函数，最大迭代次数，路径记录表等等 2）迭代：对每个蚂蚁随机制定初始值，再根据概率选择，选择出每只蚂蚁的路径，确定每只蚂蚁的路径总长度，以及蚁群的最佳路径长度和平均长度，并对信息素进行更新。   3）展示：展示出最佳路径，以及最佳路径对迭代的变化图  4Matlab代码 程序说明：采用蚁群算法求取TSP问题，共有34个城市，从txt文件加载数据： 运行结果：

DC-DC BUCK电路，用Type3控制方式