MATLAB实现用有限元方法解决下列方程

【实例简介】

来自于剑桥大学教授Yang Xinshe的萤火虫算法Matlab源码，适合各种寻优问题的建模，内含代码的详细说明

使用FFT变换进行滤波，涉及实数FFT的负频率部分对齐

典型窗函数（matlab）

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,:))

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：

很详细的RD经典算法，适合初学者% 零斜视角情况下的单个点目标的时域性质:% % 在方位向，信号能量随着远离波束中心而逐渐衰减。% 当距离向调频率Kr为正时，相位等值线为双曲线；当距离向调频率Kr为负时，相位等值线为椭圆。% 图中多出来的“鞍点”和“靶点”表明相位等值线存在虚像，故仅给出相位图等价于将复数信号表示成实数信号。

西电课件-雷达信号处理技术与系统设计,对雷达系统中用到的基本概念进行讲述

lte 小区搜索代码，包括turbo 编解码仿真

Isight集成ProE ICEM CFX MATLAB示范.zip