天牛群优化算法（BSO）-Matlab实现 如果没有积分或者打不开的朋友可以联系邮箱：1454196320@qq.com

蚁群算法matlab完整代码 EE 509：计算智能混合蚁群优化研究 贡献者：Miclaine Emtman，RJ Macaranas，Elias Sutter 加州理工学院Cal Poly 于海伦博士，2020年Spring :bullseye: :ant: :ant: :ant: :ant: :ant: :ant: :ant: :ant: :ant: :ant: :ant: :ant: :ant: :ant: :ant: 内容 指示 到目前为止，唯一完成的就是A星搜索路径查找算法。 要使用它，请导航到project_code目录并下载源文件。 运行Dijkstra-ACO.m文件并观察输出。 这显示了从指定起点和目标点对simpleMap Matlab对象进行的A星搜索的输出。 该算法的流程图如下所示。 更新 2020年5月14日：已完成对simpleMap的A-star搜索算法应用程序。 还为图像文件夹中包含的2D地图的A星搜索创建了流程图。 创建了一个project_code目录，以包含可用于项目结果的完整A-star搜索。 需要弄清楚如何衡量算法的性能。 在这个周末之前，应该能够继续实施Dijkstra-ACO算法。 2020年5月12日：继续实施A星搜索，但无法将算法应用于exampleMaps.mat中的s

在这个 M 文件中，在列出的参考论文的支持下给出了 ACO 算法的实现。 您可以轻松地将其用作以下命令来查看结果和播放迭代过程的图片。 ACO('文件名.tsp'); filename.tsp 是对称或非对称 TSP 问题的问题文件，您可以从以下站点下载： http : //elib.zib.de/pub/mp-testdata/tsp/tsplib/tsp/index.html 由于ACO算法有多种类型，因此给出了基本的一种蚂蚁系统（AS），它是独创的。 更多问题或其他ACO算法，您可以通过电子邮件codstar@126.com与我联系。 如果您想将其用于商业用途，请告诉我。 非常感谢 Doug Hull 的建议！

粒子群算法及其改进，在原有粒子群算法基础上进行改进，增加免疫算法，使其尽快跳出早熟，收敛更快，结果更优！(Particle swarm optimization (PSO) and its improvement are improved on the basis of the existing particle swarm algorithm, and the immune algorithm is added to make it jump out of premature, faster convergence and better results)

针对标准粒子群算法在优化过程中受初始值影响较大且容易陷入局部极值的缺陷，将鱼群算法中聚群行为的基本思想引入粒子群算法中，据此建立了粒子中心的基本概念，并利用粒子的聚群特性调整粒子的飞行方向与目标位置，从而提出了一种新的混合粒子群算法，旨在改进原粒子群算法的全局收敛能力。为了检验混合粒子群算法的优化特性，采用三种典型的标准函数对五种现行智能算法进行了多方面的测试和比较。实验结果表明，新算法具有良好的搜索精度与速度，有效弥补了标准粒子群算法局部收敛和鱼群算法精度不高的双重缺陷，适用于解决复杂函数优化问题。

里面包含了有精英蚂蚁系统和无精英蚂蚁系统，自己编写的程序，能够正常运行。

粒子群优化算法流程图 开始 初始化粒子群 计算每个粒子的适应度 根据适应度更新pbest、gbest，更新粒子位置速度 结束 no yes 达到最大迭代次数或 全局最优位置满足最小界限？

基本的粒子群优化算法PSO的Matlab实现代码，很实用的呢

一种电磁优化算法，解决稀疏天线阵的方向图综合问题

原型： [xopt, fval, exitflag, output] = ppso(func,npars,lb,ub) 或[xopt, fval, exitflag, output] = ppso(func,npars,lb,ub,options) 或[xopt, fval, exitflag, output] = ppso(func,npars,lb,ub,options,auxdata) 描述： 使用全局版本的粒子群优化算法查找函数的最小值，如参考文献中所述。 1. 认知权重和社会权重的值分别为 cC = 1.49445*r2(0,1) 和 cS = 1.49445*r3(0,1) 其中 r2(0,1) 和 r3(0,1) 为两个在 0 和 1 之间均匀分布的随机数。惯性权重为 cI = 0.5 + 0.5*r1(0,1)。 已经测试了惯性权重的递减版本，但它导致整个算法在速度和最终