團(tuán)隊長期從事下列領(lǐng)域算法的研究和改進(jìn)：

面向速成以及追求高質(zhì)量客戶,保證核心期刊以上。

1 智能優(yōu)化算法及應(yīng)用

1.1 改進(jìn)智能優(yōu)化算法方面（單目標(biāo)和多目標(biāo)）

1.2 生產(chǎn)調(diào)度方面

1.2.1 裝配線調(diào)度研究

1.2.2 車間調(diào)度研究

1.2.3 生產(chǎn)線平衡研究

1.2.4 水庫梯度調(diào)度研究

1.3  路徑規(guī)劃方面

1.3.1 旅行商問題研究（TSP、TSPTW、MTSP）

1.3.2 帶時間窗帶容量車輛路徑規(guī)劃問題研究（vrp、VRPTW、CVRP）

1.3.3 機(jī)器人路徑規(guī)劃問題研究

1.3.4 無人機(jī)三維路徑規(guī)劃問題研究

1.3.5 多式聯(lián)運(yùn)問題研究

1.3.6 無人機(jī)結(jié)合車輛路徑配送

1.3.7 充電車輛路徑規(guī)劃（EVRP）

1.3.8 雙層車輛路徑規(guī)劃（2E-VRP）

1.3.9 油電混合車輛路徑規(guī)劃

1.3.10 船舶航跡規(guī)劃

1.3.11 全路徑規(guī)劃規(guī)劃

1.3.12 倉儲巡邏

1.4  三維裝箱求解

1.5 物流選址研究

1.5.1 背包問題

1.5.2 物流選址

1.5.3 充電樁布局

1.5.4 加油站布局

1.5.5 風(fēng)電場布局

1.5.6 時隙分配優(yōu)化

1.5.7 最佳分布式發(fā)電單元分配

1.5.8 貨位優(yōu)化

1.5.9 公交排班

1.5.10 多階段管道維修

1.5.11 工廠-中心-需求點(diǎn)三級選址問題

1.5.12 應(yīng)急生活物質(zhì)配送中心選址

1.5.13 基站選址

1.5.14 道路燈柱布置

1.5.15 樞紐節(jié)點(diǎn)部署

1.5.16 輸電線路臺風(fēng)監(jiān)測裝置

1.5.17 集裝箱船配載優(yōu)化

1.5.18 水泵組合

1.5.19 機(jī)組優(yōu)化

1.5.20 投資優(yōu)化組合

1.5.21 醫(yī)療資源分配優(yōu)化

1.5.22 云服務(wù)器組合優(yōu)化

1.5.23 信號配時優(yōu)化

1.5.24 天線陣元優(yōu)化

1.6 電力系統(tǒng)優(yōu)化研究

1.6.1 微電網(wǎng)優(yōu)化

1.6.2 配電網(wǎng)系統(tǒng)優(yōu)化

1.6.3 配電網(wǎng)重構(gòu)

1.6.4 有序充電

1.6.5 儲能雙層優(yōu)化調(diào)度

1.6.6 儲能優(yōu)化配置

2 機(jī)器學(xué)習(xí)之心回歸預(yù)測、時序預(yù)測、區(qū)間預(yù)測、分類與智能算法結(jié)合優(yōu)化,保證核心。凡是機(jī)器學(xué)習(xí)之心的代碼一律可以以八折價購買

2.1 bp時序、回歸預(yù)測和分類

2.2 ENS聲神經(jīng)網(wǎng)絡(luò)時序、回歸預(yù)測和分類

2.3 SVM/CNN-SVM/LSSVM/RVM支持向量機(jī)系列時序、回歸預(yù)測和分類

2.4 CNN/TCN卷積神經(jīng)網(wǎng)絡(luò)系列時序、回歸預(yù)測和分類

2.5 ELM/KELM/RELM/DELM極限學(xué)習(xí)機(jī)系列 時序、回歸 預(yù)測和分類

2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU門控神經(jīng)網(wǎng)絡(luò) 時序、回歸 預(yù)測和分類

2.7 ELMAN遞歸神經(jīng)網(wǎng)絡(luò)時序、回歸預(yù)測和分類

2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/長短記憶神經(jīng)網(wǎng)絡(luò)系列時序、回歸預(yù)測和分類

2.9 RBF徑向基神經(jīng)網(wǎng)絡(luò)時序、回歸預(yù)測和分類

2.10 DBN深度置信網(wǎng)絡(luò) 時序、回歸 預(yù)測和分類

2.11 FNN模糊神經(jīng)網(wǎng)絡(luò) 時序、回歸 預(yù)測

2.12 RF隨機(jī)森林 時序、回歸 預(yù)測和分類

2.13 BLS寬度學(xué)習(xí) 時序、回歸 預(yù)測和分類

2.14 PNN脈沖神經(jīng)網(wǎng)絡(luò)分類

2.15 模糊小波神經(jīng)網(wǎng)絡(luò)預(yù)測和分類

2.16 時序、回歸 預(yù)測和分類

2.17 時序、回歸 預(yù)測預(yù)測和分類

2.18 XGBOOST集成學(xué)習(xí) 時序、回歸 預(yù)測預(yù)測和分類

方向涵蓋風(fēng)電預(yù)測、光伏預(yù)測、電池壽命預(yù)測、輻射源識別、交通流預(yù)測、負(fù)荷預(yù)測、股價預(yù)測、PM2.5濃度預(yù)測、電池健康狀態(tài)預(yù)測、用電量預(yù)測、水體光學(xué)參數(shù)反演、NLOS信號識別、地鐵停車精準(zhǔn)預(yù)測、變壓器故障診斷

3 圖像處理算法

3.1 圖像識別

3.1.1 車牌、交通標(biāo)志識別（新能源、國內(nèi)外、復(fù)雜環(huán)境下車牌）

3.1.2 發(fā)票、身份證、銀行卡識別

3.1.3 人臉類別和表情識別

3.1.4  打靶識別

3.1.5 字符識別（字母、數(shù)字、手寫體、漢字、驗證碼）

3.1.6 病灶識別

3.1.7 花朵、藥材、水果蔬菜識別

3.1.8 指紋、手勢、虹膜識別

3.1.9 路面狀態(tài)和裂縫識別

3.1.10 行為識別

3.1.11 萬用表和表盤識別

3.1.12 人民幣識別

3.1.13 答題卡識別

3.2 圖像分割

3.3 圖像檢測

3.3.1 顯著性檢測

3.3.2 缺陷檢測

3.3.3 疲勞檢測

3.3.4 病害檢測

3.3.5 火災(zāi)檢測

3.3.6 行人檢測

3.3.7 水果分級

3.4 圖像隱藏

3.5 圖像去噪

3.6 圖像融合

3.7 圖像配準(zhǔn)

3.8 圖像增強(qiáng)

3.9 圖像壓縮

3.10 圖像重建

4 信號處理算法

4.1 信號識別

4.2 信號檢測

4.3 信號嵌入和提取

4.4 信號去噪

4.5 故障診斷

4.6 腦電信號

4.7 心電信號

4.8 肌電信號

5 元胞自動機(jī)仿真

5.1 模擬交通流（多車道、各類車型）

5.2 模擬人群疏散（甲板、教室、商場、通道）

5.3 模擬病毒擴(kuò)散

5.4 模擬晶體生長

5.5 模擬城市擴(kuò)張

5.6 模擬金屬腐蝕

5.7 模擬火災(zāi)蔓延

6 無線傳感器網(wǎng)絡(luò)

6.1 無線傳感器定位（Dv-Hop定位優(yōu)化、RSSI定位優(yōu)化）

6.2 無線傳感器覆蓋優(yōu)化

6.3 無線傳感器通信及優(yōu)化（Leach協(xié)議優(yōu)化）

6.4 無人機(jī)通信中繼優(yōu)化（組播優(yōu)化）