Coyote Optimization Algorithm (COA) 是 Juliano Pierezan 和 Leandro dos Santos Coelho (2018) 提出的一种受自然启发的全局优化元启发式算法。 Matlab 版本可在： https : //www.mathworks.com/matlabcentral/fileexchange/68373-coa Python 和 R 版本可在： https : //github.com/jkpir/COA 原刊： Pierezan, J. 和 Coelho, LS “Coyote Optimization Algorithm: A new metaheuristic for global optimization questions”，IEEE 进化计算大会 (CEC) 会刊，巴西里约热内卢，2018 年 7 月，

物联网技术在电力系统应急物资调配中的应用.pdf

抽象的在本文中，我们提出了一种基于 L´evy 飞行的新元启发式算法，称为 L´evy 飞行分布 (LFD)，用于解决实际优化问题。 LFD 算法的灵感来自 L´evy 飞行随机游走，用于探索未知的大型搜索空间（例如，无线传感器网络 (WSN)）。 为了评估LFD算法的性能，考虑了各种优化测试平台问题，即演化计算大会（CEC）2017套件和三个工程优化问题：拉伸/压缩弹簧，焊接梁和压力容器。 统计仿真结果表明，与模拟退火 (SA)、差分进化 (DE)、粒子群优化 (PSO)、大象群优化等几种著名的元启发式算法相比，LFD 算法在大多数测试中提供了更好的结果和优越的性能（EHO）、遗传算法（GA）、蛾焰优化算法（MFO）、鲸鱼优化算法（WOA）、蚱蜢优化算法（GOA）和哈里斯霍克斯优化（HHO）算法。 此外，LFD 算法的性能在未知大搜索空间的其他不同优化问题上进行了测试，例如 WSN 中的

采用启发式搜索解决 TSP问题，通过构造最小生成树来 构造闭合回路 寻求最小路径的回路

应急物资快速调配管理智能库房.doc

综合能源系统是未来能源利用的发展趋势，其中电力系统和天然气系统的联系最为紧密，但随机因素的增加也给综合能源系统的安全稳定运行带来了挑战。针对电-气互联综合能源系统的最优潮流问题，考虑风电场出力的随机性以及电力负荷、天然气负荷的随机性，建立其机会约束规划模型，并采用基于半不变量法和内点法的启发式算法进行求解。采用修改的IEEE 30节点电力网络与比利时20节点天然气网络构建电-气互联综合能源系统，分析比较了不同置信度水平和不同波动性情形下系统运行状态以及运行成本的变化，并与确定性情形对比，结果表明机会约束规划模型有助于提高电-气互联综合能源系统运行的安全性。

MATLAB源码集锦-基于启发式算法的函数优化分析

狼群优化算法，一种新的启发式算法，很适合初学者学习使用，内部有文档说明，可以参考文档进行学习使用，同时对于深层学习具有很好的作用

遗传算法解决TSP旅行商问题 python，带图像输出，可自行修改经纬度。

关于OA系统运行期间，统计所有流程流转时效、统计流程未归档原因及分析、针对发起超过三个月未归档的流优化措施及方案