说明：层次分析法方面的文献资料

层次分析法

说明：应用背景遗传算法是根据自然界生物染色体进化的数学模型。首先对种群进行初始化，对每个个体计算适应度，生产下一代。如果生成的种群达不到优化的终止条件，则按照适应度选择优良个体、父代进行交叉或变异，生成子代，然后用子代取代父代，再生成下一个子代。循环执行这一过程，直到满足优化终止条件为止。在遗传算法寻优过...

matlab

说明：DE 算法主要用于求解连续变量的全局优化问题，其主要工作步骤与其他进化算法基本一致，主要包括变异(Mutation)、交叉(Crossover)、选择(Selection)三种操作。算法的基本思想是从某一随机产生的初始群体开始，利用从种群中随机选取的两个个体的差向量作为第三个个体的随机变化源，将差向...

说明：利用计算机仿真运算,将问题的求解过程转换成类似生物进化中的染色体基因的交叉、变异等过程。在求解较为复杂的组合优化问题时,相对一些常规的优化算法,通常能够较快地获得较好的优化结果。遗传算法已被人们广泛地应用于组合优化、机器学习、信号处理、自适应控制和人工生命等领域。

收敛 快速 遗传

说明：用来计算十字交叉点的中心位置，可以达到亚像素精度，在三维重建中经常会在物体表面做标志，本算法用于计算十字标记中心

像素中心 十字中心-matlab cross_position 十字 亚像素-摄像机标定

说明：交叉熵（CE）方法由于Reuven鲁宾斯坦是一个普通的Monte Carlo方法的组合和连续多极值优化和重要性采样。该方法起源于稀有事件仿真领域，

说明：本案例是采用GRNN（径向基）神经网络预测水资源量，GRNN神经网络适合于小样本、高精度预测，本实例附有数据（不全），下载者可以直接将数据更改为自己的数据便可以使用。程序中使用了交叉验证方法，使预测精度大大提高。

GRNN算法精确度 交叉验证-GRNN grnnrapegrnny GRNN预测 GRNN-prediction

说明：算法流程：选定训练集和测试集-数据预处理-交叉验证选择最佳参数-分类准确率-预测-利用最佳参数训练SVM。

数据预处理 交叉验证 最佳参数 训练SVM SVM

说明：基本粒子群优化算法和改进粒子群优化算法程序，包括：用基本粒子群算法求解无约束优化问题，用带压缩因子的粒子群算法求解无约束优化问题，用线性递减权重粒子群优化算法求解无约束优化问题，用自适应权重粒子群优化算法求解无约束优化问题，用随机权重粒子群优化算法求解无约束优化问题，用学习因子同步变化的粒子群优化算...

说明：粒子群算法，也称粒子群优化算法（Particle Swarm Optimization），缩写为 PSO， 是近年来由J. Kennedy和R. C. Eberhart等[ 开发的一种新的进化算法(Evolutionary Algorithm - EA)。PSO 算法属于进化算法的一种，和模拟退火算...