机器学习(灰狼算法)

在多目标优化算法中，算法的好坏需要通过多种指标来恒定，HV指标是一个综合评价指标，且不需要真实帕累托前沿即可对多种算法进行对比，HV值越大则算法效果越好

采用fmincon对带非线性约束的目标函数进行寻优，实现参数辨识 最小二乘参数辨识202159 ├── cons.m ├── data.txt ├── fun.m └── main.m 0 directories, 4 files

24-5-3 轴系5(3)-深沟球轴承寿命计算.m

使用MATLAB进行信号处理之前通常需要滤波降噪处理

差分演化算法的matlab程序: function DE(Gm,F0)%差分进化算法程序基本程序%F是变异率   F0=0.6 Gm=1000; %最大迭代次数Np=100; %种群规模CR=0.9;  %杂交参数G=1;%初始化代数D=0;%所求问题的维数eps=1e-9;%精度ge=zeros(1,Np);%各代的最优值bestx=zeros(Np,D);%各代的最优解%产生初始种群%xmin=-10;xmax=100;%带负数的下界xmin=-5.12;xmax=5.12;%-----函数值计算-----------function result=DEMB(XX);     sol=XX;     result=0;for i=1:D    result=result sol(i)^2;    %y=sum(XX.^2-10.*cos(2.*pi.*XX) 10);endend%---------------------------X0=(xmax-xmin)*rand(Np,D) xmin;X=X0;%%%%%%%%%%变异操作X1new=zeros(Np,D);%初始化X1_new=zeros(Np,D);%初始化X1=zeros(Np,D);%初始化value=zeros(1,Np);while Gxmin)&(bonCR %利用二项分布来交叉            X1_new(i,:)=X(i,:);        else            X1_new(i,:)=X1new(i,:);        end    end %%%%%%%%%%%%%%%竞争操作    for i=1:Np     if DEMB(X1_new(i,:))

蚁群算法解决最短路径问题

书中内容完全是根据数学建模竞赛的需要而编排的，涵盖了绝大部分数学建模问题的matlab求解方法。本书内容分上下两篇。上篇介绍数学建模中常规方法的matlab实现，包括matlab交互、数据建模、程序绘图、灰色预测、规划模型等方法；还介绍了各种高级方法的matlab实现，包括遗传算法、粒子群算法、模拟退火算法、人工神经网络、小波分析、动态仿真、数值模拟等。下篇以真实的数学建模赛题为案例，介绍了如何用matlab求解实际的数学建模问题，给出了详细的建模过程和程序。书中的附件部分介绍了作者在建模竞赛中屡获大奖的经验。相信这些经验对准备参加数学建模竞赛的读者会有所帮助。

可以直接运行，建模必备

牛顿法，输入目标函数、初始点、精度，能够得到整个求解过程，每一步迭代的结果都能打印出来，方便初学者学习，跟教材完全对应。