11.1 基于矢量量化（VQ）的说话人识别实验

模型参考自适应系统（Model Reference Adaptive System，MRAS）是从20世纪年代后期发展起来的，它属于自适应系统的一种类型。从结构上MRAS可以分为可调模型、参考模型及自适应律3个部分。MRAS的辨识思想是把不含有未知数的表达式作为期望模型，而将含有待辨识数的表达式用于可调模型，且两个模型有相同物理意义的输出，利用两个模型的输出量之差，通过合适的自适应律来现对异步电机参数的辨识。

【实例简介】

【实例简介】这个是实现导弹的自动驾驶仪控制，经典中的经典，里面是matlab仿真程序

基于改进遗传算法的生产线平衡优化

【实例简介】

【实例简介】

匈牙利算法和murty算法的简介及MATLAB实现。

直流无刷电机仿真模型.slx

用于SAR成像的RD算法

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：