说明：采用BP神经网络设计男女生分类器。采用的特征包括身高、体重、是否喜欢数学、是否喜欢文学、是否喜欢运动共五个特征，BP神经网络包含一个隐层，隐层结点数为5。要求：自行编写代码完成后向传播算法，采用交叉验证的方式实现对于性能指标的评判（包含SE,SP,ACC和AUC，AUC的计算可以基于平台的软件包）。

bp-男女生 男女生分类器 神经网络设计 算法评判se-sp 女生的BP

说明：采用SVM设计男女生分类器。采用的特征包含身高、体重、是否喜欢数学、是否喜欢文学、是否喜欢运动共五个特征。要求：采用平台提供的软件包进行分类器的设计以及测试，尝试不同的核函数设计分类器，采用交叉验证的方式实现对于性能指标的评判（包含SE,SP,ACC和AUC，AUC的计算基于平台的软件包）。

男女生分类器 svm-auc AUC-SVM 采用SVM设计 交叉验证-SVM

说明：基于PSO（粒子群算法）的列车速度优化，matlab实现。

PSO 列车优化 粒子群 粒子群列车 粒子群-列车

说明：利用遗传算法对电动汽车充电统一管理进行优化，并得到优化前后的负荷功率曲线对比图及充电计划。

load-management GA-充电 EV负荷优化 功率曲线图 EV-charging

说明：基于遗传算法优化的神经网络算法，对比传统神经网络加强了初始权值与阙值的优化。

优化 GA-BP神经网络 基于GA-BP神经网络

说明：GA优化PSO算法，解决二元函数找最值问题，matlab程序，开发环境R2012b。

GA-PSO PSO-二元函数 ga_pso 二元函数最值 PSO_GA

说明：采用栅格对机器人的工作空间进行划分，再利用优化算法对机器人路径优化，是采用智能算法求最优路径的一个经典问题。目前，采用蚁群算法在栅格地图上进行路径优化取得比较好的效果，而利用遗传算法在栅格地图上进行路径优化在算法显得更加难以实现。利用遗传算法处理栅格地图的机器人路径规划的难点主要包括：1保证路径不间...

遗传机器人 遗传算法-路径 遗传栅格 遗传蚁群-路径 路径-规划

说明：智能微电网粒子群优化算法,微源：光伏、风机、发电机、储能等。

粒子群-光伏 微电网 光伏-粒子群 电机优化 子群

说明：运用GA遗传算法优化BP网络，对风电功率进行预测，含实际数据和案例。

bp-预测 genetic-wind GA-BP ga-power wind-ga

说明：基于遗传算法来优化BPNN，提升其预测的精度。

BPNN ga_bp 遗传算法 GA-BP BP