基于多目标算法的冷热电联供型综合能源系统运行优化（文章复现） 详细请点击：https://blog.csdn.net/weixin_56691527/article/details/127649270

图像分割作为目标检测、识别、跟踪研究领域的核心内容，在遥感、计算机视觉、场景解析、图像重构等领域有着广阔的应用前景。针对传统的基于先验阈值或者小波变换的图像分割算法存在的计算冗余、可操作性较差、过分依赖经验、全局最优缺失等问题，提出了一种基于改进型蚁群算法的图像分割优化算法，可以克服传统蚁群算法的收敛速度慢且易陷入局部最优的固有劣势，实现全局最优，具有匹配精度高、抗干扰性强、并行搜索效率高等优势。在Matlab2015b环境下开发了验证环境并对算法进行了实际验证，验证结果表明本文所提算法可以在较短的时间内有效分割目标图像，实时性、准确率和稳定性较高，收敛速度、并行搜索效率等核心参数满足设计需求。

【优化求解】基于磷虾群算法Krill Herd Algorithm求解最优目标matlab源码.zip

针对视频图像中车辆检测问题,提出了一种基于计算机视觉的运动车辆检测方法。首先,选取最佳方差参数并利用双边滤波对图像进行预处理;再利用Surendra背景更新算法实时更新背景图像,采用粒子群(PSO)极大熵法求得背景差分图像的阈值;然后,将得到的二值图像进行形态学处理并检测出运动车辆。实验结果表明,该算法不仅适用于简单背景、车速较慢的环境中,而且在复杂背景、噪声较大、车速较快的情况下,该方法均能够克服外界环境的不利影响,准确地检测出运动车辆,提高检测的准确率。

在SimuroSot5v5的中场策略中引入蚁群算法，通过采用信息素分区获取的方式建立起球队中场队形转换机制。该机制以球的位置为驱动信息，根据求取的信息素来确定出适当的中场队形；同时设计任务死锁的自调节模块来提高机器人的自适应能力。仿真实验结果表明，加入以分区方式获取信息素的蚁群算法决策技术，增加了中场队形转换的灵活性，使得球队的整体攻防能力上都得到了相应的改善。

chapter14 基于粒子群算法的PID控制器优化设计，粒子群算法也是个不错的优化参数算法

matlab粒子群教程，详细介绍粒子群算法原理及matlab代码。

粒子群算法测试测试函数 分别用5个函数进行测试

出租车路径规划算法，蚁群算法寻优

里面给出MOPSO算法的源码和解释，并给出测试函数