智能优化算法之GOA算法matlab 代码

分享了社交网络搜索算法源代码及其原文

分享了Aquila Optimizer:金雕优化器源代码及原文，更多算法可进入空间查看

粒子群优化算法是一种新兴的基于群智能搜索的优化技术。该算法简单、易实现、参数少，具有较强的全局优 化能力，可有效应用于科学与工程实践中。介绍了算法的基本原理和算法在组合优化上一些改进方法的主要应用形式。最后， 对粒子群算法作了一些深入分析并在此基础上对粒子群算法应用于组合优化问题做了一些总结。

传统群智能算法在解决复杂实际多目标优化问题中存在不足，近年来学者提出诸多新型群智能算法，适用性强，在求解复杂实际问题中取得了较好的实验效果。以算法提出时间为主线，对新型群智能算法中细菌觅食优化算法、混合蛙跳算法、人工蜂群算法、萤火虫算法、布谷鸟搜索、果蝇优化算法和头脑风暴优化算法的改进及应用进行分析和综述，并对群智能算法未来的研究发展方向进行了探讨。

官网下载，用于智能群优化算法的CEC2021测本测试函数(matlab和C两个版本)。

以垂直Pendubot为研究对象,提出一种基于智能优化算法的轨迹规划与控制方法,以解决Pendubot控制过程中难以从摇起区过渡至平衡区的问题.为Pendubot的驱动连杆规划一条从初始角度到中间角度的正向轨迹和一条从中间角度到目标角度的反向轨迹.欠驱动连杆在系统耦合关系作用下进行运动,对应的Pendubot末端点也运动至相应位置.通过遗传算法优化轨迹参数,将正向和反向轨迹拼合为一条由初始角度到目标角度的驱动连杆轨迹的同时,对应的Pendubot末端点轨迹拼合为一条由垂直向下平衡位置到垂直向上平衡位置的完整轨迹,然后设计跟踪控制器跟踪优化后的驱动连杆轨迹至目标角度,由于耦合关系的存在,Pendubot末端点也运动至垂直向上平衡位置.由于Pendubot受重力作用,其末端点很难长时间稳定在垂直向上平衡位置,故设计镇定控制器,实现Pendubot末端点在垂直向上平衡位置的镇定控制.最后通过仿真实验验证所提出方法的有效性,并通过对比说明所提出方法在奇异点规避、控制器设计和控制效果方面的优势.

粒子群优化算法（Particle Swarm Optimization，PSO）是进化计算的一个分支，是一种模拟自然界的生物活动的随机搜索算法。 PSO模拟了自然界鸟群捕食和鱼群捕食的过程。通过群体中的协作寻找到问题的全局最优解。它是1995年由美国学者Eberhart和Kennedy提出的，现在已经广泛应用于各种工程领域的优化问题之中。 ———————————————— 介绍链接：https://blog.csdn.net/qq_44186838/article/details/109212631

详细介绍链接：https://blog.csdn.net/qq_44186838/article/details/109207781

Python复现遗传算法、蚁群优化算法、粒子群算法、禁忌搜索算法 详细算法介绍链接：https://blog.csdn.net/qq_44186838/article/details/109181453