说明：基于MATLAB实现线性递减权重粒子群优化算法。

-baijiahao 线性递减权重 PSO PSO

说明：权重自适应改进的粒子群算法，只需添加适应度函数即可使用。

PSO 权重自适应 粒子群算法

说明：为了平衡粒子群算法的全局搜索能力和局部改良能力，还可采用非线性的动态惯性权重公式。

SAPSO 非线性 动态惯性 权重公式

说明：针对粒子群算法存在局部最优，易陷入局部最小值的问题，自适应权重粒子群优化算法

SAPSO 自适应 权重粒子群 优化算法

说明：其他论坛看到的一个算法蚁群算法程序加入了路径权重对算法进行了改进,可运行，希望能对大家有所帮助

路径 问题 车辆 调度 解决 自适 权重 引入 应蚁群

说明：模糊惯性权重粒子群算法。

模糊惯性 权重粒子群

说明：按照信息论基本原理的解释，信息是系统有序程度的一个度量，熵是系统无序程度的一个度量；如果指标的信息熵越大，该指标提供的信息量越大，在综合评价中所起作用理当越大，权重就应该越高。因此，可利用信息熵这个工具，计算出各个指标的权重，为多指标综合评价提供依据。

熵权法

说明：数据模型归一化，模态振动，IDW距离反比加权方法，多目标跟踪的粒子滤波器，在matlab R2009b调试通过，人脸识别中的光照处理方法，本科毕设要求参见标准测试模型。

代码 采用 权重 构造

说明：Adaboost 算法的思想是合并多个“弱”分类器的输出以产生有效分类。其主要步骤为 ：首先给出弱学习算法和样本空间（工， y） ，从样本空间中找出 m 组训练数据，每组训练数据的权重都是 1 /m。然后用弱学习算法迭代运算 T 次，每次运算后都按照分类结果更新训练数据权重分布，对于分类失败的训练个...

BP Adaboost算法 样本权重 基于BP的强分类器 BP-Adaboost 数据分类算法 分类器

说明：确定权重的方法主要有两大类：一类是主观赋权法，如AHP、专家评分法等；另一类是客观赋权法，如Critic赋值法。各种不同的方法也因其计算方法的不同而使指标的权重大小不同，本文通过具体的案例介绍客观权重赋权法中的Critic赋值法，并附录相关MATLAB源代码。