说明：共轭梯度法（Conjugate Gradient）是介于最速下降法与牛顿法之间的一个方法，它仅需利用一阶导数信息，但克服了最速下降法收敛慢的缺点，又避免了牛顿法需要存储和计算Hesse矩阵并求逆的缺点，共轭梯度法不仅是解决大型线性方程组最有用的方法之一，也是解大型非线性最优化最有效的算法之一。 在各...

非线性方程组 矩阵求逆 idealfo 最优控制 newton-step

说明：若不希望用与估计输入信号矢量有关的相关矩阵来加快LMS算法的收敛速度，那么可用变步长方法来缩短其自适应收敛过程，其中一个主要的方法是归一化LMS算法（NLMS算法），变步长 的更新公式可写成 W（n+1）=w（n）+ e（n）x（n） =w（n）+ （3.1） 式中， = e（n）x（n）表示滤波权...

变步长NLMS 变步长的LMS 变步长LMS算法 策略迭代 LMS-步长-误差

说明：基本PSO极易陷入早熟收敛，而此算法在基本PSO的参数上做一些改进，从而达到增强多样性，避免过早的陷入局部最优，并发生早熟收敛。

说明：自适应动态规划介绍。一种求解动态规划方法HJB方程的自学习控制算法，称其为自适应动态规划算法。所提的算法可以用来解决未知离散时间非线性系统的最优控制问题，同时给出了该控制算法的收敛性证明。算法的实现用到了三个神经网络，在递推的每一步分别用来近似性能指标函数、最优控制律和未知非线性系统。

神经网络 最优问题ADP ADP 最优控制 HJB求解 HJB方程 matlab

说明：基于非列排序经济调度问题，比其它算法更好，收敛更好。得到了一组帕雷托解。

经济调度 dispatch economic dispatch 帕雷托

说明：(径向基函数)神经网络能够逼近任意的非线性函数，可以处理系统内的难以解析的规律性，具有良好的泛化能力，并有很快的学习收敛速度，已成功应用于非线性函数逼近、时间序列分析、数据分类、模式识别、信息处理、图像处理、系统建模、控制和故障诊断等(rmf netural network matlab)

rbf故障诊断 故障诊断 控制 RBF 神经网络

说明：自适应调整权重，相比初始PSO，收敛性能改善。

自适应调整 权重 初始 PSO 收敛性能

说明：拟牛顿法和最速下降法(Steepest Descent Methods)一样只要求每一步迭代时知道目标函数的梯度。通过测量梯度的变化，构造一个目标函数的模型使之足以产生超线性收敛性。这类方法大大优于最速下降法，尤其对于困难的问题。另外，因为拟牛顿法不需要二阶导数的信息，所以有时比牛顿法(Newton...

拟牛顿迭代法 无约束优化 拟牛顿法 导数约束 优化 s函数

说明：使用最小二乘法平差，进行圆柱拟合，两次平差可以控制初始值尽量使结果收敛

fitofcylinder matlab圆柱拟合 圆柱拟合 平差MATLAB MATLAB拟合圆柱

说明：遗传算法和二进制粒子群算法相结合，使遗传算法过早收敛的情况得到改善

遗传算法收敛 PSO二进制 二进制粒子群 二进制算法 二进制-pso-GA