永磁同步电机最大转矩电流比控制与弱磁控制

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,:))

【实例简介】

【实例简介】

摘要：针对机器人路径规划中，传统蚁群算法收敛速度慢、易陷入局部最优解等问题，提出了一种移动机器人路径规划的改进蚁群优化(ACO)算法。用栅格法建立环境模型，并基于人工势场建立启发信息素矩阵，降低了蚂蚁在初始阶段搜索的盲目性；引入激励函数，降低搜索过程中的死锁现象；改进信息素的更新机制，增强了优秀蚂蚁对全局路径规划的影响。仿真结果表明：改进后蚁群算法的机器人路径规划算法加快了收敛速度，具有较强的鲁棒性和全局寻优能力。关键词：蚁群优化(ACO)算法；人工势场；路径规划；机器人

Transfer Sparse Coding for Robust Image Representation

模拟退火算法解决VRP问题

【实例简介】

【实例简介】

利用MATLAB自带的cwt函数进行小波变换的例程，分析了不同频率的信号时频图像，可直接运行

【实例简介】模式识别与机器学习经典书籍的配套代码Ch01-demo