本项目是一个可以与玩家对战的跳棋AI，具有GUI图形界面。使用了Minimax算法和启发式搜索来计算AI每次行动的收益。使用了Alpha Beta剪枝来简化搜索过程。通过调节算法搜索层数来调节AI的难度。

搜索策略实验报告表.docx

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

风力驱动优化（WDO）算法是一种新型的基于大气运动的自然启发式全局优化方法。 风驱动优化 (WDO) 技术是一种基于群体的迭代启发式全局优化算法，用于多维和多模态问题，能够在搜索域上实现约束。 在其核心，一群无限小的气团按照牛顿第二运动定律在 N 维搜索空间中导航，牛顿第二运动定律也用于描述气团在地球大气中的运动。 与类似的基于粒子的算法相比，WDO 在速度更新方程中使用了附加项（例如重力和科里奥利力），提供稳健性和额外的自由度来微调优化。 除了 WDO 的理论和术语外， www.thewdo.com还提供了用于调整 WDO 参数的数值研究。 WDO 进一步应用于www.thewdo.com上列出的电磁优化问题。 这些示例表明，在某些情况下，WDO 可以胜过其他众所周知的技术，例如粒子群优化 (PSO)，并且 WDO 非常适合具有离散和连续值参数的问题。 有关风驱动优化算法的详细说明，

高级人工智能PPT

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

著名优化专家Beasley, J E写的拉格郎日松弛启发式求解整数规划的讲义，非常细致，举例详细；是入门的最好参考资料。内容有：拉格郎日松弛求下界的方法（次梯度；调整对偶乘子法）；对偶法求下界；分支定界树搜索求整数解。数学建模；线性规划；算法：智能算法。

8数码问题启发式搜索及过程式表示，MFC下可视化操作。

•一种混合元启发式优化算法，结合了萤火虫和粒子群算法的优点。 •通过控制先前的全局最佳适应值提出局部搜索策略。 请引用： İbrahim Berkan Aydilek，一种用于计算昂贵的数值问题的混合萤火虫和粒子群优化算法，应用软计算，第 66 卷，2018 年 5 月，第 232-249 页