为提高量子粒子群算法的寻优能力，文中提出一种新的正态云模型自适应变异量子粒子群算法。该方法采用正态云模型优化策略，引入自身最差粒子和全局最差粒子，结合自身最优粒子和全局最优粒子自适应调整势阱中心位置与收缩-扩张系数， 每次迭代后生成的新粒子，以一定概率采用正态云模型对粒子进行变异操作。最后标准函数极值优化的实验结果表明，该算法的单步迭代时间较长但优化能力较同类算法有大幅度提高。

粒子群算法优化PID系数-粒子群算法优化PID系数.rar 本帖最后由 lanyichen 于 2017-6-29 18:21 编辑 特点： 1.注释清晰，便于中学生及本科生理解 2.采用并行计算，可加快计算速度 QQ截图20170629182500.jpg QQ截图20170629182512.jpg 粒子群算法优化PID系数.rar

程序为遗传算法优化BP神经网络的PID控制，收敛性能较好，具有较大参考意义，可以学习。程序为遗传算法优化BP神经网络的PID控制，收敛性能较好，具有较大参考意义，可以学习

自编的遗传算法工具箱，用于求解非线性规划和优化问题。基于matlab平台和语言编写，代码封装良好，可直接设置参数和调用，利于上手和参数设置

灰狼优化算法优化SVM_MATLAB代码分享

二元粒子群寻优，测试函数为Six-hump Camel Back Function，用于两个优化参数的取值范围不一的情况。

果蝇优化算法优化支持向量回归程序吴文教授-FOASVR_Training.txt 各位先进大家好: 台湾学者潘文超老师今年提出一种新的群智能技术, 日前已经被SCI期刊接受, 经晚辈向潘老师询问, 潘老师同意将其出版的书籍分享给各位, 但限于台湾地区以外使用! 该群智能优化技术类似基因算法与粒子群算法, 是2011年刚提出, 有利于各位投稿国际知名期刊. 请各位先进多加阅读与研究, 并转寄给同志朋友, 为祖国的学术水平尽一份心力! 书籍已经分享在讨论区 章节包括: 果蝇优化算法的基本观念 果蝇优化算法求解极大值与极小值 Z-SCORE模型系数优化-以财务预警为例 广义回归神经网络参数的优化-以网络购物物流满意度为例 灰色神经网络参数的优化-以基金买卖决策为例 支持向量回归参数的优化-陆生来台就读意愿之研究为例 果蝇优化算法的进阶微调

基于AD绝对差和Census变换的立体匹配算法代码，需要的环境是：opencv3+pcl+boost+openmp

利用遗传算法优化BPNN对有效停车泊位进行预测，仿真表明预测精度提高

本文提出了一种改进的遗传算法 ,并用其实现BP神经网络的拓扑结构和参数的优化。改进的遗传算法采用了一种新的编码方式 ,并对遗传操作进行了改进。仿真试验的结果表明 ,这种算法能够有效地提高BP神经网络结构和参数的优化效率