CPLEX二阶锥规划考虑Wind+CB+SVG+OLTC+ESS多时段24h，参考文献：主动配电网多源协同运行优化研究_乔珊 摘要：最优潮流研究在配 电网规划运行 中不可或缺 ， 且在大量分布式能源接入 的主动配 电网环境下尤 为重要 。传统的启发式算法 在全局最优 解和求解 速度上均 无法满足主动配电网运行要求 ， 而基于线性化的最优潮流方法在高阻抗的配 电网中适用性也较 弱。 基于此，文章建立 了基 于二阶锥规划的动态最优潮流模型框架，力图将原非线性规划模型松弛转化为SOPC进行快速求解 。 首先 ，给出了基于二阶锥松弛 的配 电网动态最优潮流基本模 型； 然后,对主动配 电网中各重要参与元素进行相应 的线性化建模处理 以便 高效求解，如主动管理设备、配 电网重构、需求响应及综合负荷等；同时，分析 了松弛模型和近似等效 的准确性。

- 基于GA的车间设施布局优化 - 各设施长宽、功能关系、物流量、搬运成本数据均在Excel中 - 待优化的两个变量分别存放设施的横纵坐标、横纵摆放抉择 - 设置了适应度函数和约束条件 - 完整matlab代码，main直接运行 以下是一些学习matlab的经验：1. 开始学习MATLAB之前，建议你阅读官方提供的MATLAB文档和教程，了解MATLAB的基本语法、变量和操作符等。2. MATLAB支持不同类型的数据，包括数字、字符串、矩阵和结构体等。学习如何创建、操作和处理这些数据类型是很重要的。3. MATLAB官方网站上有大量的示例和教程，可以帮助你学习各种MATLAB功能和应用。你可以按照这些示例逐步学习和实践。

开发了一种新算法，材料生成算法（MGA），并将其应用于优化问题。 材料化学的一些先进和基本方面，特别是化合物的结构和生产新材料时的化学React，被确定为MGA的鼓舞性概念。 主要论文是材料生成算法：一种用于工程问题优化的新型元启发式算法Siamak Talatahari，Mahdi Azizi和Amir H.Gandomi 期刊：流程，2021年

沙猫群优化(Sand Cat Swarm Optimization, SCSO)算法是一种受自然界沙猫行为而设计的元启发式算法。 本资源仅供学习交流，严禁用于商业用途。

元启发式算法，Matlab源代码，蛇优化算法（Snake Optimization，SO）。直接运行main函数即可绘出算法收敛曲线。

基于二进制粒子群算法（BPSO）的计算卸载策略求解matlab代码

基于遗传算法（GA）计算卸载策略的求解matlab代码

这其实是我的期末作业，要求是基于Python人工智能算法实现的AI智能五子棋人机对弈期末大作业。上传到网上是为了造福广大计算机专业的同学们，我们在学习某一新课程或是新技术时总是需要借鉴的，尽可能让大家少走弯路希望我提供的资料能够帮助到需要帮助的友友们。 主要设计目标： 可以访问我写的专栏博客查看具体信息蛤。 https://blog.csdn.net/weixin_51989356/article/details/128537561 本系统是根据传统五子棋游戏的功能编写，其功能实现了基于AI人工智能算法实现智能的人机对弈五子棋。主要需实现如下目标： （1）Python 3.6.8环境的下的Python语言编程 （2）五子棋棋盘的设计 （3）五子棋棋子的设计 （4）电脑智能落子的实现 （5）棋局进行时的退出功能 （6）棋局胜负的判定 （7）人工智能算法的设计 （8）人工智能算法的优化 编写该项目前后共花费了我一个多星期的时间，包括大量的调研，知识点的学习，再到具体的编程开发，一整个项目流程下来确实容易身心俱疲，希望能对大家有所帮助，最后祝大家期末顺利，绝不挂科(ง •̀_•́)ง

人工智能实验八数码问题和罗马尼亚问题（含代码和完整实验报告） 本实验课程是计算机、智能、物联网等专业学生的一门专业课程，通过实验，帮助学生更好地掌握人工智能相关概念、技术、原理、应用等；通过实验提高学生编写实验报告、总结实验结果的能力；使学生对智能程序、智能算法等有比较深入的认识。 1.掌握人工智能中涉及的相关概念、算法。 2.熟悉人工智能中的知识表示方法； 3.熟悉盲目搜索和启发式搜索算法的应用； 4.掌握问题表示、求解及编程实现。 掌握不同搜索策略的设计思想、步骤、性能。 1.在图1，3*3的方格棋盘上，摆放着1到8这八个数码，有1个方格是空。 图1 2.如图1所示，要求对空格执行空格左移、空格右移、空格上移和空格下移这四个操作使得棋盘从初始状态（图1左）到目标状态（图1右）。 可自行设计初始3.状态。目标状态为数字从小到大按顺时针排列。 4.分别用广度优先搜索策略、深度优先搜索策略和启发式搜索算法（A*算法）求解八数码问题；分析估价函数对启发式搜索算法的影响；探究各个搜索算法的特点。 自行设计一个新的启发式函数,并分析该函数的可采纳性和优势(与启发式函数定义为“Zerind到Bu

基于生物启发式算法的多智能体强化学习算法，强化学习，生物启发算法