- 博客(97)
- 收藏
- 关注
RSS订阅原创 基于魏格纳函数和焦散线方法的自加速光束matlab模拟与仿真
这种方法利用纳函数的数学描述光场分布，并结合数值模拟技术来设计特定的光束形状和传播特性，从而实现对光束的精确控制。通过魏格纳函数法，来产生多种自加速的光束，设计自加速光束方法，模拟出相应的图结果。通过调整光束相位分布（相位φ(x,y)可以改变光束传播特性，如聚焦或加速。魈函数（U(x,y,z) 描述了光场的复振幅值在空间中的分布，x,y)位置坐标，z是沿光轴方向的传播距离。自适应性** 通过调整光束的相位相分布，可以实现光束聚焦、加速、束整形，甚至光束的自适应传播特性。
2024-05-23 02:09:48
158
原创 基于龙格库塔算法的锅炉单相受热管建模与matlab数值仿真
C基于龙格-库塔（Runge-Kutta, RK）算法的锅炉单相受热管建模涉及热传递和流体动力学的基本原理，旨在模拟热流体通过受热管道时的温度分布和流动特性。这一过程是热能工程和过程控制领域中的关键环节，对于理解与优化锅炉效率至关重要。基于龙格库塔算法的锅炉单相受热管建模与matlab数值仿真.于过热气温控制系统过于复杂，涉及多个过热器及减温过程，在本次设计中将模型简化成喷水减温器和末级过热器的组合，对喷水减温器部分和蒸汽受热管部分进行数学建模，在建模过程中按均匀传热考虑，并且将烟气按静态处理。
2024-05-19 20:11:05
153
原创 基于DWA优化算法的机器人路径规划matlab仿真
DWA的核心思想是在考虑机器人动力学约束的前提下，通过不断调整机器人的速度和方向，寻找一条能够安全避障并接近目标的路径。算法的关键在于定义一个“动态窗口”，在这个窗口内生成一系列候选动作，并通过评价函数评估每个动作的优劣，从而选取当前最优动作执行。对于每个采样点(vi,ωj)，可以计算出机器人在下一个时间步t+δt的位置和朝向，这里δt是采样时间间隔。DWA算法是在线运行的，每执行完一步，根据新的机器人状态和环境信息重新计算动态窗口和候选动作集，持续迭代直至达到目标或任务终止。
2024-05-19 20:05:58
280
原创 基于GA遗传优化的WSN网络最优节点部署算法matlab仿真
无线传感器网络（Wireless Sensor Network, WSN）的最优节点部署问题旨在通过合理配置传感器节点的位置，以达到特定的网络覆盖、能耗、寿命或其他性能指标的最大化。假设每个节点的感知范围为R，覆盖目标区域的期望程度可以用覆盖度C 来衡量，通常定义为被至少一个节点覆盖的区域面积与整个监测区域面积的比值。：根据个体的适应度进行选择，适应度高的个体有更高的概率被选中作为“父母”参与下一代的繁殖。：通过交叉操作交换“父母”个体的部分基因，生成新的“子代”个体，以引入多样性。
2024-05-16 23:45:01
720
原创 基于MSWA相继加权平均的交通流量分配算法matlab仿真
基于MSWA（Modified Successive Weighted Averaging）相继加权平均的交通流量分配算法，是交通工程领域中用于预测和分析城市路网中交通流量分布的一种方法。在交通流量分配问题中，核心目标是确定在给定的路网结构、出行需求和用户行为准则下，如何合理分配交通需求到路网中的各个路径上，以达到用户均衡状态。每一轮迭代中，算法依据当前的流量分配情况，动态调整各路径的权重，以反映其相对拥挤程度，然后基于调整后的权重重新分配交通流量。经枚举可得每个OD对间存在3条无折返有效路径，共27条。
2024-05-15 02:19:00
370
原创 基于梯度流的扩散映射卡尔曼滤波算法的信号预处理matlab仿真
基于梯度流的扩散映射卡尔曼滤波算法（Gradient Flow Diffusion Map Kalman Filter, GFDMKF）是一种将非线性流形学习理论与经典卡尔曼滤波相结合的信号处理方法，旨在提高对非线性、高维信号的滤波和跟踪性能。这种方法通过扩散映射（Diffusion Maps）捕捉数据的低维流形结构，随后利用梯度流（Gradient Flow）优化卡尔曼滤波的预测和更新步骤，从而在非线性动态系统中实现更精准的状态估计。基于梯度流的扩散映射卡尔曼滤波算法的信号预处理matlab仿真。
2024-05-15 02:13:37
421
原创 基于遗传优化的双BP神经网络金融序列预测算法matlab仿真
5.以较小的变异概率 ，使得某染色体的一个基因发生变异，形成新的群体mutpop(t+1)。令t=t+1，pop(t)=mutpop(t)，重复第（2）步。3.若停止规则满足，则算法停止，否则计算概率P，并以此概率分布，从pop(t)中随机选取N个染色体构成一个新的种群newpop(t)。1.选择问题解的一个编码，给出一个有N个染色体的初始群体pop(1)，t=1。4.通过交叉（交叉概率为），得到N个染色体的crosspop(t+1)。2.对群体中的每一个染色体 ，计算它的适应函数值f(xi)。
2024-05-12 00:38:11
313
原创 基于控制工程的牛鞭效应simulink建模与仿真
假设供应链由n个阶段（或节点）组成，每个节点的订单量受前一节点的影响，并且每个阶段都采用简单的库存补给策略。设第i阶段在第t期的订单量为Oi(t)，实际需求为D(t)，库存水平为Ii(t)，补给量为Qi，反应时间为τ。牛鞭效应（Bullwhip Effect）在供应链管理中是一个广泛讨论的现象，指的是需求信息沿着供应链从终端消费者向原材料供应商传递时出现的逐级放大的现象，类似于挥动牛鞭时末端的振幅远大于手柄端。以差分方程为例，考虑包含时间延迟的多级供应链，系统状态可由各节点的库存量和订单量描述。
2024-05-09 02:28:14
396
原创 基于PSO粒子群优化的配电网可靠性指标matlab仿真
以下是基于PSO的配电网可靠性优化中涉及的四个主要指标（SAIFI、SAIDI、CAIDI、ENS）的详细介绍，以及它们的数学表达式和如何通过PSO进行优化的原理说明。CAIDI（Customer Average Interruption Duration Index，用户平均中断持续时间指数）CAIDI衡量的是在发生停电的情况下，平均每用户会经历的停电时间。其中，ω是惯性权重，c1和c2是加速因子，r1和r2是[0,1]之间的随机数，用于增加搜索的随机性。
2024-05-09 02:20:58
606
原创 单目标问题的烟花优化算法求解matlab仿真,对比PSO和GA
FWA通过模拟烟花爆炸的动态过程，提供了搜索空间的多样性，适合解决复杂、非线性问题；PSO通过粒子的速度和位置更新快速接近最优解，适合快速收敛的问题；GA通过模拟生物进化机制，具有较强的全局搜索能力，适用于解空间较大的问题。：FWA的爆炸半径和火花数直接影响搜索效率和精度，需仔细调整；烟花优化算法是一种模拟自然界烟花爆炸现象的启发式算法，由烟花发射、爆炸、再次爆炸和再次发射四个阶段组成。该算法通过模拟烟花在夜空中爆炸的过程，探索搜索空间，寻找全局最优解。GA的收敛速度较慢，但通常能获得较好的全局解。
2024-05-07 00:04:01
446
原创 三维球体空间中光线反射模拟与三维点云提取matlab仿真
设置一个三维的椭球模型，作为墙壁，然后根据光线的反射原理，设计三维空间内，光线的反射效果。在三维系统中，光线反射本质是是曲面上每个点对应的切面的反射处理。在三维球体空间中模拟光线反射并进行三维点云提取是一个复杂的过程，涉及几何光学、光线追踪以及计算机图形学的多个领域。点云是表示三维物体表面的离散数据集合，每个点包含三维空间中的位置信息（x,y,z）及其他可能的属性（如颜色、强度）。光线追踪是一种渲染技术，通过追踪从视点出发的光线，模拟光线与场景中物体的交互（如反射、折射等），以计算像素的颜色。
2024-05-04 16:26:20
314
原创 基于EO平衡优化器算法的目标函数最优值求解matlab仿真
平衡优化器算法是EO的一个分支，它通过模拟生态系统的平衡机制，促进种群的多样性与收敛性之间的平衡，从而高效地搜索解空间并找到全局或近全局最优解。平衡优化器算法的核心在于设计一种机制，该机制能够促使搜索过程中的个体（解）分布趋向于一个既不过分集中也不过分分散的状态，即维持种群内部的“生态平衡”。平衡优化器还可能采用更复杂的平衡策略，如自适应变异率、精英保留策略、局部搜索与全局搜索的结合等，这些策略往往依赖于当前种群的状态和算法的迭代进度，通过数学模型动态调整。
2024-05-02 05:37:06
412
原创 基于改进遗传优化的BP神经网络金融序列预测算法matlab仿真
这种模型在处理金融时间序列数据，如股票价格、汇率、商品期货价格等，具有独特的优势，因为它能够有效应对金融市场的复杂性、非线性和不确定性。当差值较大的时候，说明染色体差异较大，当差值较小的时候，说明染色体差异较小，当差异较小的时候，就会容易出现局部收敛。将遗传算法引入BP神经网络的训练过程，主要用来优化网络的初始权重和阈值，以期找到更优的网络参数配置，从而提高预测精度。：首先，将问题的解（在这里是BP神经网络的权重和阈值）编码为染色体（Chromosome），通常采用二进制编码或实数编码。
2024-05-01 02:20:51
943
原创 基于BP神经网络的金融序列预测matlab仿真
基于反向传播（Backpropagation, BP）神经网络的金融序列预测是一种利用人工神经网络模型对金融市场中的时间序列数据进行建模与预测的方法。BP神经网络是一种多层前馈神经网络，其主要包含输入层、隐藏层和输出层。在金融序列预测中，BP神经网络可用于预测股票价格、汇率、交易量等金融时间序列数据。首先，将历史数据预处理为合适格式作为输入，然后通过训练BP神经网络，让其学习数据的内在规律，并对未来趋势进行预测。基于BP神经网络的金融序列预测，仿真输出预测结果，预测误差以及训练曲线。
2024-04-25 18:12:37
438
原创 超市火灾烟雾蔓延及人员疏散的matlab模拟仿真,带GUI界面
进入烟气后，前360个时间步（30s）朝引导点运动，但速度减小，2m/s的减小为1.5m/s,1.5m/s的减小为1.0m/s，1.0m/s的速度不变。每个时间步为1/12s，可设置3种移动速度的人员，分别设置为3种颜色，速度分别为2m/s,1.5m/s,1m/s，即每3、4、6个时间步运动一次。当多个元胞同时竞争同一个格点时，每个元胞以50%等概率进入，没有进入的保持静止。出口在人员的视野范围内时，该元胞选择朝向。出口不在人员的视野范围内时，作随机运动，出口不在人员的视野范围内时，作随机运动，
2024-04-25 18:06:10
908
原创 排队算法的matlab仿真,带GUI界面
排队系统是基本的离散事件系统，了解掌握离散事件系统是研究排队系统仿真不可或缺的前提。排队论（Queueing Theory）是一门研究系统中顾客和服务台交互行为的学科，主要关注在有限资源约束下，顾客到达系统并等待服务的过程。在实际应用中，排队论的目标通常是确定各种性能指标（如等待时间、利用率、服务水平等），以便设计出合理的服务策略和资源分配方案，以最小化成本或最大化服务质量。排队算法的matlab仿真,带GUI界面。同样假定客户到达和服务时间符合M/M/1模型的设定，但系统中有k个相同的服务台。
2024-04-25 17:52:35
1034
原创 通过matlab对比遗传算法优化前后染色体的变化情况
遗传算法（Genetic Algorithm, GA）是一种模拟自然进化过程的全局优化搜索方法，它通过模拟生物界的遗传、突变、选择和交叉等机制，在解空间中寻找最优解或近似最优解。而优化后的染色体集合倾向于拥有更高适应度值的个体，这意味着问题的解质量得到了显著提升。：优化过程中，染色体的基因序列可能会因为交叉和变异操作而发生变化，这种变化使得染色体编码的信息更加接近或直接就是问题的最优解。：虽然优化倾向于保留高质量的个体，但变异操作的存在保证了种群在演化过程中始终保持一定的多样性，防止过早陷入局部最优。
2024-04-25 17:19:18
420
原创 基于WOA算法的SVDD参数寻优matlab仿真
每次迭代过程中，计算当前参数组合下的SVDD模型性能（如泛化能力、轮廓系数等），并将最优参数对应的搜索代理设置为新的全局最优解。基于WOA算法的SVDD参数寻优,将优化后的SVDD模型进行数据分类，并对测试数据进行抗干扰测试，得到不同干扰下的分类误差曲线。初始化WOA算法参数（如种群大小、最大迭代次数、参数边界等），并随机初始化各个搜索代理的位置（即不同的SVDD参数组合）。将SVDD的参数向量Θ=[C,γ]视为WOA算法的搜索空间，通过迭代优化找到最优的参数组合。
2024-04-25 17:14:58
377
原创 基于遗传优化算法的TSP问题求解matlab仿真
旅行商问题（Traveling Salesman Problem, TSP）是一个经典的组合优化问题，旨在寻找最短的可能路线，使得旅行商能访问每个城市恰好一次然后返回起点。通常采用路径编码或顺序编码的方式，即将城市的访问顺序表示为一个染色体（个体），如对于n个城市，一个染色体可以用一个长度为n的整数数组表示。随机生成一组代表不同路径的染色体构成初始种群，确保每个染色体都是一个合法的TSP解决方案，即包含所有城市且无重复。基于遗传优化算法的TSP问题求解，分别对四个不同的城市坐标进行路径搜索。
2024-04-25 17:06:36
520
原创 基于GA遗传算法的PID控制器参数优化matlab建模与仿真
在基于GA的PID参数优化中，我们将PID的三个参数Kp，Ki，Kd编码为染色体，即个体。遗传算法是一种模拟生物进化过程的优化算法，通过选择、交叉、变异等操作，使种群中的个体逐步逼近问题的最优解。通过以上原理和步骤，GA成功地应用于PID控制器参数优化中，实现了对控制器参数的有效寻优，提高了控制系统的整体性能。2).计算适应度：对种群中的每个个体（即一组PID参数），以其对应的控制系统性能评价指标作为适应度。4).交叉操作：随机选择种群中的两个个体，进行某种方式的交叉，生成新的个体。
2024-04-25 16:12:45
821
原创 通过matlab分别对比PSO,反向学习PSO,多策略改进反向学习PSO三种优化算法
在n维搜索空间中，每一个粒子代表一个潜在解，并具有速度和位置属性。在每次迭代过程中，粒子根据自身的历史最优位置（个体极值pi）和全局最优位置（全局极值g）更新自己的速度和位置。反向学习PSO是在传统PSO基础上引入了反向学习机制，当搜索过程陷入局部最优时，通过回溯过去的最优解来调整粒子的速度和方向，从而增加跳出局部最优的可能性。： RL-PSO会在适当的时候启用反向学习阶段，此时速度更新会参考历史最优位置而非当前最优位置，具体数学表达式因不同实现方式而异，但一般包含对过去优良解的记忆和利用。
2024-04-17 03:11:30
575
原创 基于HMM隐马尔可夫模型的金融数据预测算法matlab仿真
在金融数据预测中，首先根据历史数据估计HMM的参数，然后利用HMM进行状态预测（例如预测下一时刻市场状态）或者直接对未来观察值（如股价）进行预测。预测过程中，通常需要对模型进行适当的简化或改造，以适应金融市场的实际特点。
2024-04-17 02:55:22
635
原创 基于Adaboost模型的数据预测和分类matlab仿真
AdaBoost（Adaptive Boosting）是一种集成学习方法，由Yoav Freund和Robert Schapire于1995年提出，主要用于提高弱分类器的性能，最终构建一个强分类器。其核心理念是通过迭代训练一系列弱分类器，并给予分类效果好的弱分类器更高的权重，最后将这些弱分类器组合起来形成强分类器。其核心理念是通过迭代训练一系列弱分类器，并给予分类效果好的弱分类器更高的权重，最后将这些弱分类器组合起来形成强分类器。
2024-04-17 02:47:32
302
原创 基于HASM模型的高精度建模matlab仿真
HASM模型基于层次化与自适应统计思想，通过构建多层结构模型，自下而上地捕捉数据的不同尺度特征，并通过自适应机制调整模型参数以适应数据的复杂性和不确定性。
2024-04-10 02:48:49
539
原创 基于Lipschitz李式指数的随机信号特征识别和故障检测matlab仿真
则称该过程在T 上具有全局Lipschitz指数α。若上述不等式仅对某个小邻域内的时间点成立，则称X(t) 在该邻域内具有局部Lipschitz指数α。α 越小，表示过程变化越剧烈；α=0 表示过程可能具有瞬时突变，而 α=1 则对应线性过程。
2024-04-10 02:38:40
914
原创 基于遗传模拟退火混合优化算法的车间作业最优调度matlab仿真,输出甘特图
遗传算法（Genetic Algorithm, GA）是一种基于自然选择和遗传机制的全局搜索算法。
2024-04-10 02:29:37
987
原创 基于免疫算法的TSP问题求解matlab仿真
抗原（Antigen）：在TSP中，抗原可以对应于待优化问题的解，如一条候选的城市访问路径。抗体（Antibody）：抗体是免疫系统针对特定抗原产生的识别与反应单元。在IA中，抗体表示为问题的可能解，即一条城市访问序列。抗体通常具有编码结构，以便于遗传操作和适应度评估。免疫库（Repertoire）：免疫库是存储抗体的集合，相当于演化算法中的种群。在TSP应用中，免疫库包含若干个不同的城市访问路径。克隆选择（Clonal Selection）
2024-04-10 02:21:45
547
原创 基于离散差分法的复杂微分方程组求解matlab数值仿真
基于离散差分法的复杂微分方程组求解.“连续微分方程”到“离散微分方程”到“差分方程”，离散微分方程，变成差分方程。建立差分方程时，时间采用一阶显格式，空间采用一阶偏心差分格式。基于离散差分法的复杂微分方程组求解.“连续微分方程”到“离散微分方程”到“差分方程”，离散微分方程，变成差分方程。建立差分方程时，时间采用一阶显格式，空间采用一阶偏心差分格式。
2024-04-05 16:23:18
325
原创 基于圆柱体镜子和光线跟踪实现镜反射观测全景观图的matlab模拟仿真
该方法利用圆柱镜面的反射特性，通过模拟光线在场景与镜子之间的交互，构建出一种独特的全景视角。在圆柱镜反射观测全景观图中，通过合理布置光源和圆柱镜，使得场景中的所有可见部分都能被反射到镜面上，再通过光线跟踪合成出全景视图。：光线跟踪是一种计算机图形学中的渲染技术，它模拟光在虚拟场景中的传播路径，通过追踪从观察者出发（或反向从光源出发）的光线，计算其与场景物体的交点及对应的光照信息，以合成逼真的图像。给定一条光线 L(t)=O+tD，其中 O 是光线起点，D 是单位方向向量，t 是沿光线的参数。
2024-04-05 16:11:36
717
原创 基于遗传优化的SVD水印嵌入提取算法matlab仿真
特别是在SVD（ Singular Value Decomposition，奇异值分解）水印算法中，遗传优化能有效地寻找到最佳的水印嵌入参数，以提高水印的鲁棒性和隐蔽性。在选定的奇异值子集上添加水印信息（通常以量化形式表示），然后重构图像得到嵌入水印后的图像 Iw=U(Σ+W)VT，其中 W 为水印信息在奇异值上的映射。：以种群（一组候选解）为基础，通过模拟自然选择、交叉和变异等生物进化过程，逐步优化水印嵌入参数（如嵌入层选择、量化步长、水印强度等），以最大化水印的鲁棒性或隐蔽性。
2024-04-05 15:58:25
1083
原创 基于ACO蚁群优化的VRPSD问题求解matlab仿真,输出规划路径结果和满载率
给定一系列客户节点、各自的需求量以及配送中心（称为 Depot），目标是确定一组车辆的出发顺序、访问节点序列以及返回Depot的路径，使得所有客户需求得到满足，且总行程成本（如行驶距离、时间、燃油消耗等）最小。τ：定义一个 N×N 的矩阵，其中 N 为节点数量（包括 Depot 和客户节点），τij 表示节点 i 到节点 j 的信息素浓度。：除了信息素外，蚂蚁在选择路径时还会考虑其他局部信息，如剩余容量、距离、剩余时间窗等，这些因素共同构成了启发式信息。：每次迭代后，根据解决问题的质量更新信息素矩阵。
2024-04-05 15:45:36
729
原创 基于GA遗传优化的离散交通网络双层规划模型设计matlab仿真
基于GA遗传优化的离散交通网络双层规划模型设计.优化输出路段1和路段2的收费情况收敛过程。采用多目标模型，系统总出行时间最小，同时区域排放最小。采用固定需求的用户平衡（UE），总阻抗最小。R——网络中出发地的集合；S——网络中目的地的集合；N——网络中节点的集合；L——网络中路段的集合；之间的所有径路的集合；
2024-03-27 01:36:44
567
原创 基于SIR模型的疫情发展趋势预测算法matlab仿真
在实际应用中，SIR模型可以进行多种扩展，如加入潜伏期的SEIR模型（Susceptible-Exposed-Infectious-Recovered）、考虑出生和死亡的SIRD模型（Susceptible-Infected-Recovered-Dead）等。基于SIR模型的疫情发展趋势预测算法.对新型冠状病毒肺炎的病例增长进行SIR模型拟合分析，并采用模型参数拟合结果对两国的疫情防控力度进行比较。的患者，被隔离之后，感染者不再接触易感人群，丧失传染疾病的能力。而相应的，每日医疗机构会隔离比例为。
2024-03-27 01:29:14
621
原创 基于ACO蚁群优化的UAV最优巡检路线规划算法matlab仿真
在无人机巡检路线规划问题中，无人机被认为是“蚂蚁”，巡检点视为“食物源”，目标是找到一条总距离（或总能耗、总时间等）最短的巡检路线。在无人机巡检场景中，每个巡检点可以视为图中的一个节点，节点间的连边代表无人机可以从一个点飞往另一个点的可行性，连边的权重可以是飞行距离、时间消耗或能量消耗。在无人机巡检路线规划问题中，无人机被认为是“蚂蚁”，巡检点视为“食物源”，目标是找到一条总距离（或总能耗、总时间等）最短的巡检路线。初始化：设置信息素矩阵τij ，初始化蚂蚁群体，设置参数 α,β,ρ,Q 等。
2024-03-27 01:21:36
412
原创 基于模糊神经网络的移动机器人路径规划matlab仿真
在移动机器人领域，路径规划是一个核心任务，目标是在未知或已知环境中为机器人寻找一条从起始点到目标点的安全、有效且满足特定约束条件（如避障、最短距离等）的路径。数学上，通常将环境表示为一个离散或者连续的空间，并通过图论中的搜索算法来解决。
2024-03-20 00:50:26
858
原创 基于禁忌搜索算法的VRP问题求解matlab仿真,带GUI界面,可设置参数
车辆路径问题是一个典型的组合优化问题，其目标是在满足一系列约束条件下，为一组客户分配服务车辆，并确定每辆车的行驶路线，使得所有客户的配送需求得到满足的同时，总行驶距离或成本最小。数学表达式可以表示为：其中，m 是车辆数量；n 是客户节点的数量；cij 表示从客户节点 i 到客户节点 j 的行驶距离或成本；xij 是二进制变量，如果 xij=1，则表明在解决方案中，车辆从节点 i 直接行驶到节点 j。同时需要满足以下约束条件：每个客户节点仅被访问一次（除了起点和终点可能相同）；
2024-03-20 00:38:25
374
原创 基于ESTAR指数平滑转换自回归模型的CPI数据统计分析matlab仿真
ESTAR（Exponential Smooth Transition AutoRegressive model）是一种混合时间序列模型，它结合了指数平滑法和状态转换自回归模型的特点。在经济数据分析中，尤其是处理诸如CPI（消费者物价指数）这类具有可能的非线性趋势变化以及结构突变的数据时，ESTAR模型具有很强的应用价值。它能够捕捉到数据中的长期趋势、季节性变动以及潜在的平滑过渡现象。一个简单的ESTAR模型可以表示为：
2024-03-17 03:33:42
588
原创 基于最小二乘法的太阳黑子活动模型参数辨识和预测matlab仿真
因为太阳内部磁场发生变化，太阳黑子的数量并不是固定的，它会随着时间的变化而上下波动，每隔一定时间会达到一个最高点，这段时间就被称之为一个太阳黑子周期。太阳黑子的活动呈现周期性变化的，沃尔夫(R.Wolfer)根据在过去的288 年(1700年~1987 年)间每年太阳黑子出现的数量和大小的观测数据推算出11 年的周期规律。假设我们有一个拟合模型 f(x,θ)，其中x 是时间变量，θ=[θ1,θ2,...,θn] 是待估计的模型参数向量。这里的参数向量θ=[θ0,θ1]，分别代表截距和斜率。
2024-03-17 03:17:33
815
原创 基于PSO粒子群算法的三角形采集堆轨道优化matlab仿真
假设一个收集轨道，上面有5个采集堆，这5个采集堆分别被看作一个4*20的矩阵（下面只有4*10），每个模块（比如：A31和A32的元素含量不同），为了达到采集物品数量和元素含量的要求（比如：需采集5吨和某元素单位质量在65与62之间），求出在每个4*20的矩阵中哪个模块被拿出可以达到要求并找出最优化的轨道？如果取走了，那么被取走的赋值为0，那么在判断的时候，可以取下面的，如果全部被取走了，则为全0，如果为全零，则这列就不能取值了。即每次只能采集最上面的，如果最上面的没有被取走，那么不能直接采集下面的。
2024-03-09 23:03:21
1091
原创 基于Kronig-Penney能带模型的MATLAB求解与仿真
基于Kronig-Penney能带模型的MATLAB求解与仿真.综合利用 MATLAB提供的求解常微分方程、矩阵行列式、代数表达式化简及绘图等函数 ,可使 Kronig-Penney能带模型分析计算的工作量大为减少。基于Kronig-Penney能带模型的MATLAB求解与仿真.综合利用 MATLAB提供的求解常微分方程、矩阵行列式、代数表达式化简及绘图等函数 ,可使 Kronig-Penney能带模型分析计算的工作量大为减少。通过这个模型，我们可以理解带隙的形成机制以及能带宽度与势场参数的关系。
2024-03-09 22:54:35
752
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人