4.1PID调节 4.2PID算法的数字实现 4.3PID算法的几种发展 4.4PID参数的整定 4.5达林算法

10.1 遗传算法的基本原理 10.2 遗传算法的特点 10.3 遗传算法的发展及应用 10.4 遗传算法的优化设计 10.5 遗传算法求函数极值 10.6 基于遗传算法优化的RBF网络逼近 10.7 基于遗传算法的伺服系统静态摩擦参数辨识 10.8 基于遗传算法的TSP问题优化

7.1 网络层概述 7.2 路由算法 7.2.1 最优化原则 7.2.2 最短路径路由算法 7.2.3 洪泛算法 7.2.4 基于流量的路由算法 7.2.5 距离向量路由算法 7.2.6 链路状态路由算法 7.2.7 分层路由 7.2.8 移动主机的路由 7.3 拥塞控制算法 7.3.1 拥塞控制的基本原理 7.3.2 拥塞控制算法

北京科技大学：《人工神经网络原理与应用 Artificial Neural Networks》课程教学资源（研究实验）模糊神经网络与模糊控制的算法研究报告

北京科技大学：《人工神经网络原理与应用 Artificial Neural Networks》课程教学资源（研究实验）模糊神经网络与模糊控制的算法研究

将模糊遗传算法与混沌的延迟反馈控制方法相结合,提出了基于模糊遗传算法的延迟反馈控制方法.它利用模糊遗传算法强大的寻优能力来整定延迟反馈控制中的控制刚度矩阵参数,从而克服了延迟反馈控制中控制刚度难于确定的问题.对混沌Lorenz系统的仿真控制说明该算法具有快速性好和抗干扰能力强等优点

连续变量反馈同步法(CVFS)是一种比较简单的同步控制算法,但该算法在实际应用中存在一个关键的问题,即反馈系数的整定比较困难.为了解决这个问题,在把模糊遗传算法(FGA)和连续变量反馈同步法(CVFS)相结合,提出了一种基于模糊遗传算法的连续变量反馈同步法(FGACVFS).仿真结果表明:FGACVFS算法能方便有效地进行整定工作

5.1.1 路由选择算法的分类 5.1.2 对路由选择算法的要求 5.1.3 路由算法的实现--路由表 5.1.4 路由算法与流量控制的关系 5.2 常用的路由算法

经典粒子群算法由于多样性差而陷入局部最优，从而造成早熟停滞现象.为克服上述缺点，本文结合人工免疫算法，提出一种基于自适应搜索的免疫粒子群算法.首先，该算法改善了浓度机制；然后由粒子最大浓度值来控制子种群数目以充分利用粒子种群资源；最后对劣质子种群进行疫苗接种，利用粒子最大浓度值调节接种疫苗的搜索范围，不仅避免了种群退化现象，而且提高了算法的收敛精度和全局搜索能力.仿真结果表明该算法求解复杂函数优化问题的有效性和优越性

基于遗传算法的基本原理,提出一种改进的遗传算法,将模糊控制思想与小生境技术引入到其中,从而保护种群的多样性,同时使每代最优解得以保存．遗传算法加入小生境技术后虽可保持种群群体的多样性,但是不可避免的会产生部分个体的早熟以及陷入局部最优,于是加入模糊控制思想,对种群的交叉概率Pc和变异概率Pm进行模糊控制,以此为基础,形成了一种新型的模糊控制小生境遗传算法．最后通过对三个典型函数的数值分析证明了该方法的有效性和可行性．