PSO求解函数优化问题

PSO求解函数优化问题2（复杂函数）.zip

遗传算法解决0-1规划问题，可修改参数，可运行。本程序的实例是n维求和，已调试；修改参数即可运行。轮盘赌选择算发，交叉算法，变异算法，简单易懂

针对基本混合蛙跳算法在处理复杂函数优化问题时容易陷入局部最优、收敛速度慢的缺点，提出了一种改进的混合蛙跳算法。该算法把生物学中的吸引排斥思想引入到混合蛙跳算法中，修正了其更新策略，从而维持了子群的多样性。实验仿真结果表明，改进的混合蛙跳算法提高了算法的收敛速度，有效地避免了SFLA的早熟收敛问题，从而改善了对复杂问题的搜索效率，数值实验结果验证了算法的有效性和鲁棒性。

针对共生生物搜索算法存在易早熟、收敛速度慢等缺陷,提出一种基于子种群拉伸操作的精英共生生物搜索算法.在“互利共生”阶段,根据适应度值将种群划分为两个子种群,设计有针对性的进化策略,使两个子种群分别负责开发和探索,有效地平衡算法的收敛速度与精度;在“偏利共生”阶段,利用最优个体的方向性引导信息,引入拉伸因子和差分扰动向量,并修正个体更新模式,从而在提高算法收敛速度的同时保证种群的多样性;模拟寄生体和宿主的生物关系,提出精英“寄生”机制,进一步平衡算法在整个迭代过程中的探索与开发能力.对与标准共生生物算法、改进后的共生生物搜索算法以及其他4个群智能进化算法在17个函数上的测试结果进行比较分析,结果表明所提出的算法精度更佳,收敛速度优势明显.

为扩展量子智能算法的研究领域,根据模拟退火算法的思想,提出量子模拟退火算法(QSA).定义了量子染色体相位邻域空间,缩小了算法搜索范围;引入信息熵的概念,避免了搜索的盲目性;给出一个量子的旋转角增量的表达式,简化了计算过程;采用Boltzmann概率分布原则接受新解,提高了算法的搜索性能;同时增加了量子变异操作和量子随机行为,可以防止算法早熟现象.研究结果表明:该算法具有较强的全局收敛性和搜索能力.

多目标函数，在多个约束条件的情况下用遗传算法找出最优解 matlab源程序 可供参考

植物根系模拟和数值函数优化的根系生长模型

根据混沌理论关于进化与混沌的关系, 设计一种采用混沌变异算子的进化算法,并提出“ 尺度 收缩” 的变异策略。对极小值函数优化问题的仿真实例表明,混沌变异是实数编码进化算法变异算子的 有效实现; 而采用“ 尺度收缩” 策略的混沌变异算子明显改善了群体平均适应值, 提高了算法性能,是解 决优化问题的有效方法。

数学建模源码集锦-多种群遗传算法的函数优化方法应用实例