我国城市轨道交通已进入快速发展期,准确预测城轨交通短时客流量,对于城轨运营安全、运营效率及运营成本具有重要意义.城轨交通短时客流量由于具有强随机性、周期性、相关性及非线性的特征,浅层模型的预测精度并不理想.对此,基于深度信念网络(DBN)和支持向量回归机(SVM),提出城轨交通短时客流深层预测模型(DBN-P/GSVM),同时基于遗传算法(GA)和粒子群算法(PSO)实现SVM的参数寻优.最后,对成都地铁火车北站客流量预测进行实例分析.结果表明,DBN-P/GSVM深度预测模型在均方误差、均方根误差、绝对误差均值及绝对百分比误差均值等方面均优于浅层模型——GA-SVM模型、PSO-SVM模型和BP神经网络模型,以及深层模型长短期记忆网络(LSTM)与LSTM-Softmax.

工程优化中的元启发式和进化算法，元启发式算法是独立于问题的算法，一般起源于自然观测，常见有遗传算法，粒子群优化等，本书对于目前性能最好的一系列算法基本进行介绍。

有例题分析，代码解析，很稀有，很全面，主要用于优化，设计，和问题，求解，分类

matlab优化算法案例分析全部代码，帮助广大学生结合教材在MATLAB上深入学习。

为了提高人脸识别的准确率，提出了一种基于K近邻(KNN)和粒子群优化(PSO)的人脸识别方法。运用局部二值模式(LBP)提取特征，研究了遗传算法(GA)、粒子群算法(PSO)、蚁群算法(ACO)等元启发式优化算法在特征选择中的应用，采用基于种群的元启发式算法PSO对KNN分类器进行优化，利用提出的PSO-KNN算法进行人脸识别。使用罗技网路摄影头和ORL人脸数据库，对155位受试者的10个方位的实时脸部影像进行了实验。将提出的算法与决策表(DT)、支持向量机(SVM)、多层感知器(MLP)和传统的KNN等基准识别技术进行了比较，实验结果验证了所提方法的有效性。

压缩包内的pso.m是粒子群算法的代码，其余的是遗传算法的代码，本人测试过，压缩包内是两个算法对同一目标函数的对比，来自MATLAB智能算法超级学习手册

遗传算法和粒子群算法结合的matlab源码 详细的注释 遗传算法和粒子群算法结合的matlab源码 详细的注释

包含多个神经网络案例的智能算法，可以借鉴学习和参考

遗传算法(GA)和粒子群算法(PSO)都属于进化算法，用于优化计算时，可以帮助寻找问题的最优解。将遗传算法和粒子群算法应用到反射阵列设计中，大大缩减了设计周期并提高了反射阵列性能。按照该方法设计出的板子阵列在10 GHz的高频下仍能保持大角度的RCS在-20 dB以上，并可以根据实际要求进行灵活调整，加工实物后进行实测，实测结果和仿真结果具有很好的一致性。

这里有各种算法，耗光了我所有的积分，有了这不需要下载其他任何资源了