![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
数学建模笔记
文章平均质量分 81
唐BiuBiu
这个作者很懒,什么都没留下…
展开
-
粒子群算法matlab代码(注释很详细哦,图像也美美哒,任意维度)
整个程序分为5个脚本pso1_mian.m:主程序,在此脚本内设置参数。pso1_im.m:画出函数图像(仅1维和2维)pso1_in.m:初始化pso1_in2.m:迭代寻优并输出结果另外还有一个目标函数,单独为一个脚本。推荐的测试函数—>这里先上运行结果图下面是源码1.pso1_mian.m这里的目标函数用函数句柄的形式调用(第15行)%% 粒子群算法%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% pso1_im原创 2020-12-17 20:21:08 · 41915 阅读 · 91 评论 -
粒子群算法matlab实现(新版)
粒子群算法matlab实现原创 2022-07-09 00:19:58 · 5279 阅读 · 17 评论 -
2021年华为杯数模赛D题总结
2021年华为杯数模赛D题总结题目:题目太长(网上能找到完整题目),背景信息略过,这里把题目抽象一下:已有条件:给出了1974个训练样本和50个测试样本,每个样本有729个特征每个训练样本有7个标签,分别是IC50值、pIC50值、和ADMET性质(包含5个标签)IC50值、pIC50值是两个相关的连续变量。pIC50是IC50的负对数ADMET性质的五个变标签都是布尔值问题:根据特征对IC50值和pIC50值影响的重要性进行排序,并给出前20个对IC50值和pIC50值最具有显著原创 2021-10-19 16:27:21 · 6216 阅读 · 10 评论 -
数学建模笔记——灰色关联分析
灰色关联分析是什么灰色关联分析同层次分析法和TOPSIS法一样,可以用来进行系统分析的方法。但与其他方法不同的是灰色关联分析对样本数量要求不高,计算量较小,且不会出现量化结果与定性分析结果不符的情况。灰色关联分析的基本思想是根据序列曲线集合形状的相似程度来判断其联系是否紧密。曲线越接近,相应序列之间的关联度就越大,反之则越小。灰色关联分析怎么用应用1 进行系统分析第一步:画统计图根据统计图可得以下结论:四个变量均呈上升趋势第二产业的增幅较为明显第二产业和第三产业的差距在后三年相差更大原创 2021-04-22 16:29:11 · 34526 阅读 · 12 评论 -
TOPSIS法学习笔记(Technique for Order Preference by Similarity to Ideal Solution)
TOPSIS法 学习笔记TOPSIS法的步骤第一步:指标分类第二步 正向化处理第三步 标准化处理第四步 计算得分并归一化TOPSIS法也叫优劣解距离法,是一种常用的综合评价方法。主要是通过各评价目标与理想化目标的接近程度来进行排序,进而获得现有目标的相对优劣的评价。TOPSIS法的步骤第一步:指标分类指标指标特点例子极大型指标越大越好利润、成绩极小型指标越小越好成本、损失中间型指标越接近某个确定的值越好水体的PH值区间型指标落在某个区间上最好体原创 2020-07-15 12:10:54 · 3467 阅读 · 0 评论 -
初探粒子群优化算法(PSO)
初探粒子群优化算法(PSO)粒子群优化算法简介PSO的优点PSO的缺点PSO的原理及基本概念算法描述参数分析粒子群的拓扑结构初始化时的前人经验粒子群优化算法简介粒子群优化算法(PSO)最初是由Kennedy和Eberhart博士于1995年受人工生命研究的结果启发,在模拟鸟群觅食过程中的迁徙和群集行为时提出的一种基于群体智能的演化计算技术。PSO是一种随机全局优化技术,通过粒子间的相互作用发现复杂搜索空间中的最优区域。由于PSO算法独特的优势,在工程领域中收到研究者的广泛关注。PSO算法归根到底是一原创 2020-07-08 20:36:37 · 12918 阅读 · 10 评论 -
数学建模笔记_层次分析法及matlab实现代码(1)
数学建模笔记:第一章_层次分析法太长不看版(重点总结)层次分析法的步骤:层次分析法的局限性:太长不看版(重点总结)层次分析法的步骤:(1) 建立“目标层”“准则层”“方案层”的层级结构。用图示法将层级结构表示出来。(2) 按照层级结构构造判断矩阵。(3) 将判断矩阵进行一致性检验,而后计算相对权重。计算相对权重时可以三种方法都用一遍,分别得出方案后进行比较层次分析法的局限性:(1)目标层不能太多,如果n值过大,因为就没有RI的数据了。(2)目标层的指标如果有给定原创 2020-07-06 14:18:35 · 11003 阅读 · 16 评论