工程优化中的元启发式和进化算法，元启发式算法是独立于问题的算法，一般起源于自然观测，常见有遗传算法，粒子群优化等，本书对于目前性能最好的一系列算法基本进行介绍。

这是元启发式算法Novel Bat Algorithm (NBA) 的演示。 与基本的蝙蝠算法（BA）不同，NBA中不同的个体有不同的搜索策略，并且在NBA中也嵌入了自适应的局部搜索策略。 从这个意义上说，NBA 是一种多群自适应算法。 模拟和比较显示了NBA在许多元启发式算法上的优越性。

基于启发式搜索的五子棋人机对弈程序设计。是毕业设计的题目。与大家分享

遗传算法是应用于搜寻各类问题最优解的一种方法，因此，基于遗传算法来寻找最大简约树是适合的。但该算法有两个严重的缺点，容易导致过早收敛、以及在进化后期搜索效率低。基于最优原则的最大简约法的启发式搜索，将模拟退火算法引入遗传算法群体更新的阶段，既保证群体多样性，又在后期逐步加快收敛速度，克服遗传算法早熟现象，最终目标是尽量使得最大简约树的树长最小、搜索时间最短。 1 最大简约法算法描述 　　最大简约法通过简约标准可以从现存后代的序列中客观地推测出祖先状态，不仅可以填补分子进化研究中的空白，更是对进化理论研究的重大贡献。利用最大简约方法构建系统发生树，实际上是一个对给定分类单元所有可能的树进行比较的

旅行商问题的启发式算法 遗传算法 生成染色体的随机种群 计算每个染色体的适应度 重复步骤 使用选择方法选择父母对 以概率 Pc 通过对父母的交叉生成一个孩子 通过以概率 Pm 交换基因来突变孩子 使用精英主义用新的人口替换当前的人口 代表 - TSP 每条染色体都是问题的一个解，由一组基因组成 每个基因代表一个城市 每条染色体只包含一个基因一次 交叉 从旧人口中选择给父母锦标赛选择（替代轮盘，基于奖励） 随机选择要从第一个父级继承的部分并完成第二个父级的缺失部分 突变 根据突变率，有可能在遗传的每个染色体中交换两个基因 替代使用 k-opt 交换 蚁群优化 在起点生成蚂蚁种群 移动每只蚂蚁直到全部到达目标点并返回起点 蚂蚁配置信息素在那里移动到点之间 信息素在每个点蒸发。 在较长的路径上，信息素蒸发得更快 产生新的种群并重复 代表 - TSP 以随机城市为起点生成蚂蚁种群 移动图表上

FS-ILS FS-ILS 选择超启发式的代码。 内容： FSILS-eclipse（在 Eclipse IDE 中作为项目导入） lib/chesc.jar（CHESC 框架） src/FairShareILS（FS-ILS 代码） src/ExampleRun（使用示例） no_restart/...（NR-FS-ILS，FS-ILS 的一个没有重启的版本）

共生生物搜索 (SOS) 是一种新的基于种群的元启发式算法。 SOS 是一种简单而强大的优化算法。 然而，与大多数元启发式算法不同，它不需要用户调整任何特定于算法的控制参数。 实现了SOS的MATLAB函数代码，可在此下载。 代码中还包含了总共 26 个基准函数，因此，用户可以研究 SOS 在解决这些函数时的性能，或者可以将其与其他元启发式算法进行比较。 SOS 首次出现在 Min-Yuan Cheng, Doddy Prayogo 的文章中。 (2014)。 “共生生物搜索：一种新的元启发式优化算法”。 计算机和结构。 http://dx.doi.org/10.1016/j.compstruc.2014.03.007

用人工智能领域中经典的启发式算法实现了人工智能中的十五数码问题。包括详细的实验报告和源代码，源码由C#可视化编写，debug中有编译好的程序，界面友好。另注：船院6系学生不要下载，避免雷同。

a*启发式搜索算法的matlab仿真程序

该代码包括遗传算法 (GA) 的主要功能：精英主义、锦标赛选择、交叉（两点和启发式）和变异。 有一些使用 GA 的 benchmank 测试函数。 * 它是在遗传工具箱的帮助下开发的。