多目标粒子群算法MOPSO的Matlab实现:涵盖多种测试函数与评价指标的工程应用案例研究,多目标粒子群算法MOPSO,Matlab实现 测试函数包括ZDT、DTLZ、WFG、CF、UF和MM
资源文件列表(大概)
资源内容介绍
多目标粒子群算法MOPSO的Matlab实现:涵盖多种测试函数与评价指标的工程应用案例研究,多目标粒子群算法MOPSO,Matlab实现 测试函数包括ZDT、DTLZ、WFG、CF、UF和MMF等,另外附有一个工程应用案例;评价指标包括超体积度量值HV、反向迭代距离IGD、迭代距离GD和空间评价SP等,MOPSO; Matlab实现; 测试函数: ZDT; DTLZ; WFG; CF; UF; MMF; 评价指标: HV; IGD; GD; SP,多目标粒子群算法MOPSO:Matlab应用及性能评价用户评论 (0)
发表评论
相关资源
基于WOA-TCN-BiGRU-Attention算法的Matlab多变量时间序列预测完整源码与数据集:包含学习率、神经元数及注意力机制参数优化,输出R2、MSE、MAE、MAPE与RMSE多维度评价
基于WOA-TCN-BiGRU-Attention算法的Matlab多变量时间序列预测完整源码与数据集:包含学习率、神经元数及注意力机制参数优化,输出R2、MSE、MAE、MAPE与RMSE多维度评价指标,Matlab完整源码和数据1.基于WOA-TCN-BiGRU-Attention鲸鱼算法优化时间卷积双向门控循环单元融合注意力机制多变量时间序列预测,要求Matlab2023版以上;2.输入多个特征,输出单个变量,考虑历史特征的影响,多变量时间序列预测;3.data为数据集,main.m为主运行即可,所有文件放在一个文件夹;4.命令窗口输出R2、MSE、MAE、MAPE和RMSE多指标评价;5.优化学习率,神经元个数,注意力机制的键值, 正则化参数。,核心关键词:WOA-TCN-BiGRU-Attention;Matlab完整源码;数据集;多变量时间序列预测;R2;MSE;MAE;MAPE;RMSE;学习率优化;神经元个数调整;注意力机制键值调整;正则化参数调整。,Matlab多变量时间序列预测完整源码:WOA-TCN-BiGRU-Attention模型
全向运动模型与动态窗口DWA算法:动态避障策略在MATLAB中的实现与应用,全向运动模型,动态窗口DWA,动态避障,matlab,全向运动模型; 动态窗口DWA; 动态避障; MATLAB,基于全向
全向运动模型与动态窗口DWA算法:动态避障策略在MATLAB中的实现与应用,全向运动模型,动态窗口DWA,动态避障,matlab,全向运动模型; 动态窗口DWA; 动态避障; MATLAB,基于全向运动模型的动态窗口DWA避障算法在MATLAB中的实现
"混合型模块化多电平双端模型研究:电源负载下的N个半桥臂动态控制与电压均衡策略",混合型模块化多电平(MMC)双端模型 电源与负载单个半桥臂N=10直流侧母线电压为12000V双闭环控制 采
"混合型模块化多电平双端模型研究:电源负载下的N个半桥臂动态控制与电压均衡策略",混合型模块化多电平(MMC)双端模型 电源与负载单个半桥臂N=10直流侧母线电压为12000V双闭环控制。采用子模块电容电压的闭环控制与电容均压控制方法,完成对电容电压均衡的控制目标。提供参考文献,仿真为物,,,Matlab为2021b。,混合型模块化多电平(MMC);双端模型;电源与负载;半桥臂N=10;直流侧母线电压12000V;双闭环控制;子模块电容电压的闭环控制;电容均压控制;参考文献;Matlab 2021b。,基于混合型MMC双端模型电源与负载的子模块电容电压均衡控制策略研究
"基于LeNet-5模型和卷积神经网络的MATLAB手写数字识别系统,采用自制的5*5大小数字数据集,结合主成分分析优化图像像素处理,实现了图像和手写板输入两种方式,训练过程表现良好,识别准确率高达9
"基于LeNet-5模型和卷积神经网络的MATLAB手写数字识别系统,采用自制的5*5大小数字数据集,结合主成分分析优化图像像素处理,实现了图像和手写板输入两种方式,训练过程表现良好,识别准确率高达95%以上。",基于卷积神经网络的手写数字识别(matlab实现)基于CNN的matlab手写数字识别可以加Lenet-5模型数据集自制 数字大小5*5训练过程良好,识别准确率在95%以上(数值+图像)主成分分析提取像素点包含图片输入和手写板输入两种方式加50,关键词:卷积神经网络;手写数字识别;Matlab实现;LeNet-5模型;数据集自制;5*5数字大小;训练过程;识别准确率;主成分分析;图片输入;手写板输入。,基于卷积神经网络的Matlab手写数字识别(含LeNet-5模型)