matlab高功率微波代码智能系统 概述 NTOU-NCE 硕士课程。 三个项目使用了三种不同的智能系统理论，包括模糊理论、进化算法和反向传播神经网络。 这些项目不是靠Matlab工具箱完成的，而是靠我自己的编程能力。 思维导图 课程内容 模糊理论 进化算法 反向传播神经网络 (BPNN) 混合系统 项目01：模糊理论 目标 ： 微波炉的完全模糊控制。 这个微波炉有一些有趣的功能。 安装在此微波炉上的传感器可以检测温度和重量。 利用模糊理论，自动计算，得出适中的功率和运行时间，并根据计算结果对食物进行加热。 这些功能可以减少我们用它来加热食物的时间。 我们只需按一下按钮，食物就会被正确加热。 根据模糊规则和隶属函数，使用COG去模糊，并根据去模糊，绘制两个图表。 模糊规则： R^1：如果温度低而重量重。 然后操作时间长且功率高。 R^2：如果温度低，重量中等。 然后运行时间中等，功率高。 R^3：如果温度低，重量轻。 然后操作时间短且功率高。 R^4：如果温度中等，重量较重。 然后运行时间长，功率中等。 R^5：如果温度中等，重量中等。 然后运行时间中等，功率中等。 R^6：如果温度中

BSO-旅行商问题-优化求解

http://simulations.narod.ru/ 二维平面中有一组城市（点）。 每个城市都有通往每个城市的道路。 我们需要找到在每个城市只出现一次且路径长度最小的循环路径。 有很多不同长度的路径。 一条路径可以与另一条路径交叉并变异。 请参阅 description.docx 。 运行 tsp_ga_gui.m 要运行无 GUI 版本，请在子文件夹 no_gui_version 中运行 tsp_ga.m

通过Python实现鸡群算法，包括鸡类和鸡群类，提供了判据函数的接口。 博客【Python实现鸡群算法】 地址 https://tinycool.blog.csdn.net/article/details/127942327

MATLAB源程序11 连续Hopfield神经网络的优化-旅行商问题优化计算.zip

TSP问题的求解方法 利用--遗传算法GA--求解组合优化问题，TSP旅行商问题 城市经纬度数据：mytsp/xx.csv文件 DW.py：绘图类 TSP_GA.py：主程序

https://doi.org/10.1016/j.ins.2018.12.065 MATLAB源码 结合SHADE和IDE两个算法进行分层运算

采用PSO粒子群优化算法求解TSP旅行商问题 1、输入数据为bayg29.tsp 2、城市数量citycount为29，种群规模Pop_Size为30，迭代次数为500，学习因子 c1、c2取2，惯性权重因子w取0.8，粒子速度最大值绝对值取3.0； 3、运行main.cpp，即可得到最优路径及对应的最短距离，同时粒子群初始化的结果和每次迭代后种群各粒子的路径和距离都会输出到result.txt中。

群体智能仿生优化算法，称为蒲公英优化器（DO），用于求解连续优化问题 通过求解4个实际优化问题，验证了DO的适用性。实验结果表明，与成熟的算法相比，该方法是一种性能更高的优化器，具有出色的迭代优化和强大的鲁棒性。

旅行商问题求解，程序无误，可以完美的完成运行