行业分类-物理装置-基于启发式树搜索的血管结构3D2D刚性配准方法及装置.zip

启发式算法讲义ppt 数学建模

秃鹰搜索（BES）算法，这是一种新颖的，受自然启发的元启发式优化算法，它模仿秃鹰在寻找鱼类时的狩猎策略或聪明的社交行为。 这是该文件的源代码：Alsattar，HA，Zaidan，AA＆Zaidan，BB（2020）。 新颖的元启发式秃鹰搜索优化算法。 人工智能评论，53（3），2237-2264。

HeuristicAlgorithm（补分启发式算法，包括神经网络、模拟退火、遗传算法）实例+数据 先看是否需要再下载:https://blog.csdn.net/qq_17623363/article/details/104778300

加工车间 JobShop调度器问题的模拟退火启发式编译后：Graph.cpp、Graph.h、Schedule.cpp、Schedule.h、JobshopSA.cpp成可执行文件。 使用此命令行执行 SA 算法： JobshopSA 实例文件 [ {T|B} {0..infinity} ] T|B - 泰拉德或比斯利的实例； 简单的例子： JobshopSA ./instances/tailard/tai01.txt T 输出：15 15 498390099.583784 9760 1231 1005 JobshopSA ./instances/tailard/tai02.txt T 输出：15 15 498390099.583789 9248 1244 953

Python实现的这些算法的集合：差分进化算法、遗传算法、粒子群算法、模拟退火算法、蚁群算法、免疫优化算法、鱼群算法

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，

樽海鞘群算法SSA.zip

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