【SVM分类】基于自适应蚁狮算法优化SVM分类器实现胃肠道病变附matlab代码

动态自适应蚁群算法 蚂蚁算法的改进学习 文档材料

围绕蚁群优化算法的理论及应用，针对蚁群算法在TSP规划中求解能力不足的难题，运用了一种基于自适应的蚂蚁算法，并对TSP规划进行了设计。为了提高路径规划的效率，将自适应与传统的蚂蚁算法相结合形成了自适应蚁群算法。仿真实验结果表明，改进后算法能够在较短时间内找到全局最优路径，相对于基本的蚁群算法在收敛速度、搜索质量和局部寻优方面都有了明显的提高。

基本蚁群算法的选择概率公式存在的缺陷,从信息素的更新策略方面入手,通过自适应地调整挥发系数对蚁群算法进行优化,并将自适应蚁群优化算法应用于置换流水车间调度问题 .对几组仿真数据进行实验,结果表明该算法具有可行性,并且有一定的理论意义和较高的实际应用价值,是一种值得推广的求解置换流水车间问题算法 .

这是Image edge的演示程序% 检测使用变异自适应蚁群优化，CCI V 交易，LNCS 6910，2011，第 27-40 页。

自适应蚁群算法 蚁群算法基本原理，改进蚁群算法等的详尽资料

针对自适应蚁群优化(AACO)算法在图像边缘提取中经常出现效率低、易陷入局部极值等问题，提出一种结合生物Predator-Prey 行为的自适应蚁群图像边缘检测算法。该算法将Predator-Prey 行为与AACO 算法相结合，将蚁群分成Predator 种群和Prey 种群，初始阶段利用AACO 算法进行搜索两种群，一定迭代次数后，两种群进入排斥阶段；通过自动阈值法提取图像边缘。实验结果表明，与AACO 算法和Canny 算法相比，在精确度方面，该算法提取的图像边缘明显优于前两种算法提取的边缘；同时保持了AACO 算法收敛速度快的特点，并克服了其易陷入局部极值等缺点；因此，该算法能够高效准确地检测出图像边缘。

帮助应届毕业生做应届遗传融合的自适应蚁群算法最优PID控制研究毕业设计

优选策略的自适应蚁狮优化算法_matlab源码.7z

【优化求解】基于优选策略的自适应蚁狮优化算法matlab源码.md