GODLIKE (Global Optimum Determination by Linking and Interchange Kindred Evaluators) 是各种基于种群的全局优化方案的泛化。 此外，它只需添加额外的目标函数即可处理单目标和多目标优化。 GODLIKE 使用遗传算法、差分进化、粒子群优化和自适应模拟退火算法的相对基本实现来解决优化问题。 其强大之处在于，这些不同的算法同时运行（链接），并且每个种群的成员之间有时也会互换（互换），以减少收敛到局部极小值的机会。 它主要是为了提高鲁棒性，而不是效率，因为它通常需要比任何单独的算法更多的函数评估。 它还旨在消除每次遇到优化问题时对这些算法进行微调的需要，并概括优化本身（它既是单目标优化器又是多目标优化器），并生成要使用的简单图在快速报告等中 基本示例： （单目标） % 扩展 Rosenbrock 函数罗森 =

描述了一种用于估计车辆驾驶员的转弯、制动或加速的行为来避免车辆与任意对象发生碰撞的算法。原2010 Model-Based Threat Assessment for Avoiding Arbitrary Vehicle Collisions.pdf

智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真

摄像机标定是计算机视觉领域的一个研究热点，为了解决单目摄像机标定中的精度不高、模型复杂、鲁棒性差等问题，依据神经网络、遗传算法及摄像机标定的特点，提出了基于遗传算法和BP神经网络相结合的单目摄像机标定方法。该方法充分利用遗传算法的全局优化和神经网络的局部收敛的特点，一方面避免了建立复杂的摄像机成像模型，另一方面增强了摄像机标定的精度和鲁棒性。实验表明该方法有效。

1.2 国内外研究现状 对于高级车辆辅助驾驶系统（Advanced Driver Assistance Systems，ADAS） 而言，其实现的关键是道路障碍物的检测，即利用多种数据源的输入，包括汽车

智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真模型及运行结果

为获取视觉交互系统中人机距离信息, 利用单摄像头检测人脸特征区域、完成人脸与摄像机距离测量。首先通过改进的AdaBoost算法快速检测并定位特征区域, 其次利用系统约束条件、摄像机标定原理和面积映射关系推导像距测量方程, 完成距离测量。通过规定距离实验, 证明了像距测量方程的可行性。复杂环境实验表明系统在复杂背景下有较好的鲁棒性, 但不同光照会影响测量精度。系统适应性实验验证了对多名待测者的普遍适用性, 但佩戴眼镜会影响测量的精度和实时性。测距系统在有效量程内有较高精度, 处理速度约为5 fps, 满足精度与实时性要求。

vc++，实现鼠标右键弹出菜单目录，在xp、2003等主流windows系统上测试通过

通过四元数小波变换分解立体图像的左右视图,获取不同尺度不同方向的幅值相位信息,并结合人眼视觉特性生成单目图;对左右视图和单目图作亮度去均值对比度归一化(MSCN)处理,获取MSCN系数图,采用广义高斯分布模型拟合MSCN系数和MSCN四方向邻域系数乘积,提取统计参数特征(联合峰度、偏度、标准偏差和能量),组成特征向量,通过XGBoost模型预测图像质量感知得分。结果表明,所提立体图像质量评价算法在LIVE3D图像库上优于其他方法,并且运行速度得到大幅度提高。

结合电动汽车动力系统最优参数确定的粒子群优化算法。其中具体包括普通的粒子群优化算法以及改良版本粒子群优化算法，该实例为汽车动力链优化设计以及最优参数（六个优化变量）确定，其中调用了simulink模型。构建了电机模型，拉维娜式行星齿轮机构模型，电池模型等。