基于遗传算法和非线性规划的函数寻优法以及相关代码及教程讲解 由于网速不稳定，里边教程需要高清版可以另找我要。

经典的非线性规划算法大多采用梯度下降的方法求解，局部搜索能力较强，但是全局搜索能力比较弱。遗传算法采用选择交叉变异进行搜索，全局搜索能力较强，但是局部搜索能力弱。本代码结合了两种算法的优点，一方面采用遗传算法进行全局搜索，一方面采用非线性规划算法进行局部搜索，已得到全局最优解。

采用粒子群算法进行寻优搜索，并对搜索结果进行显示。

文档描述了经典微粒群算法的寻找最优值得功能，经测试，运行良好，测试函数为经典的多峰值函数。程序简单易懂，代码附有详细说明。

全局人工鱼群算法进行二元函数寻优，算法在MATLAB2016a里测试通过。

神经网络遗传算法函数极值寻优-非线性函数极值

电力电子行业充电机使用遗传算法优化PID双闭环控制参数，让控制效果最优，模型可直接运行，适合本硕毕业设计使用

鱼群算法寻优示例程序-鱼群算法.rar 鱼群算法寻优示例程序

优秀论文及配套源码。首先阐述了负荷预测的应用研究现状，概括了负荷预测的特点及其影响因素，归纳了短期负荷预测的常用方法，并分析了各种方法的优劣；接着介绍了作为支持向量机（SVM）理论基础的统计学习理论和SVM的原理，推导了SVM回归模型；本文采用最小二乘支持向量机（LSSVM）模型，根据浙江台州某地区的历史负荷数据和气象数据，分析影响预测的各种因素，总结了负荷变化的规律性，对历史负荷数据中的“异常数据”进行修正，对负荷预测中要考虑的相关因素进行了归一化处理。LSSVM中的两个参数对模型有很大影响，而目前依然是基于经验的办法解决。对此，本文采用粒子群优化算法对模型参数进行寻优，以测试集误差作为判决依据，实现模型参数的优化选择，使得预测精度有所提高。实际算例表明，本文的预测方法收敛性好、有较高的预测精度和较快的训练速度。

- 采用改进Tent映射进行种群初始化 - 领导者位置更新阶段，采用自适应权重因子和Levy飞行策略 - 追随者位置更新阶段，采用非均匀高斯变异算子和贪婪选择策略 - 附带word文档详细阐述了所用的改进策略 - 包含与原始SSA算法的对比 - 包含23种测试函数