kl145-m

一用GA直接训练BP网络的权重算法 二用GA先求BP网络的权重，再用纯BP直接训练BP的混合GA－BP算法 (matlab program)

这是求解用户位置的MATLAB函数代码,可以通过设定卫星的坐标,模拟仿真用户的位置(This is the location of the user of the MATLAB functions for solving the code, you can set the satellite coordinates, the location of the user simulation)

NP是美国匹兹堡大学的T.L.Saaty 教授于1996年提出了一种适应非独立的递阶层次结构的决策方法，它是在网络分析法（AHP）基础上发展而形成的一种新的实用决策方法。其关键步骤有以下几个： 1 确定因素，并建立网络层和控制层模型。 2 创建比较矩阵。 3 按照指标类型针对每列进行规范化。 4 求出每个比较矩阵的最大特征值和对应的特征向量。 5 一致性检验。如果不满足，则调整相应的比较矩阵中的元素。 6 将各个特征向量单位化(归一化)，组成判断矩阵。 7 将控制层的判断矩阵和网络层的判断矩阵相乘，得到加权超矩阵。 8 将加权超矩阵单位化(归一化)，求其K次幂收敛时的矩阵。其中第j列就是网络层中各元素对于元素j的极限排序向量。 (NP is a professor at the University of Pittsburgh TLSaaty presented in 1996, an adaptation of non-independent Hierarchy of decision-making method, which is the analytic network process (AHP) formed on the basis of the development of a new and practical decision-making method . The key steps are the following: A determining factor, and a network layer and control layer model. 2 create a comparison matrix. For each of the three types of indicators in accordance with normalized columns. 4 find the maximum for each comparison matrix eigenvalue and the corresponding eigenvectors. 5 consistency test. If not satisfied, then the comparison to adjust the corresponding matrix elements. 6 will each feature vector units of (normalized), to determine the composition of matrix. 7 to determine the control layer and network layer to determine matrix matrix multiplication, to be weighted super-matrix. 8 of the weighted super-matrix units of (normalized), seeking the powe)

说明：  自己写的一段kalman滤波,非常基础,加入了一致性分析(Himself wrote a kalman filter, very basic, joined the consistency analysis)

可以实现对混合喜好的主分量分析，这是在盲信号处理中队信号的迁出里非常有用(likePCA)

老外写的关于使用matlab解决应用数学的一些问题，英文版(Solving. Applied. Mathematical. Problems. With. MATLAB,. Xue,. Chen,. CRC,. 2009 foreigners wrote about using MATLAB solve some of the Problems of Applied mathematics, English version)

遗传算法对约束优化问题的研究综述，主要是综述约束问题。(Genetic algorithm for constrained optimization problem in this paper, research is mainly summarized constraint problems. )

萤火虫群智能优化算法（Glowworm Swarm Optimization, GSO）是由K.N.Krishnanand和D.Ghose两位学者在2005年提出的一种通过模拟自然界中萤火虫发光行为而构造出的新型群智能优化算法。它模拟了自然界中萤火虫群中个体通过发光来吸引伙伴或觅食，萤火虫携带荧光素越多，萤火虫越亮，个体的吸引力越强，最终使得大部分萤火虫聚集在最亮的萤火虫所处位置上的这种现

多目标遗传算法通用编程包，是解决复杂多目标问题的通用程序(MOEA-NSGA)

说明：  GA-TSP 运用遗传算法求解TSP问题，需要分开函数保存在运行。(GA-TSP the use of genetic algorithm to solve TSP problem and needs to separate the function is saved in the running.)