结合粒子群优化算法（PSO）和引力搜索算法（GSA），提出了一种新的基于种群的混合算法（PSOGSA）。主要思想是将 PSO 中的开发能力与 GSA 中的探索能力相结合，以综合两种算法的优势。一些基准测试函数用于将混合算法与标准 PSO 和 GSA 算法进行比较，以得出最佳解决方案。 论文: A New Hybrid PSOGSA Algorithm for Function Optimization, in IEEE International Conference on Computer and Information Application (ICCIA 2010), 中国, 2010, pp.374-377, DOI: http://dx.doi.org/10.1109/ICCIA .2010.6141614

二元混合粒子群优化和引力搜索算法（BPSOGSA）.zip 本次提交包括混合 PSOGSA 的二进制版本，称为 BPSOGSA，用于解决二进制优化问题。 代码用于以下论文： S. Mirjalili, G.-G。Wang, LS Coelho，使用混合粒子群优化和引力搜索算法的二元优化神经计算和应用，出版中，2014，Springer，DOI：http ://dx.doi.org/10.1007/s00521-014-1629-6

随机森林是一种有效的集成学习算法，被广泛应用于模式识别中。为了得到更高的预测精度，需要对参数进行优化。提出了一种基于袋外数据估计的分类误差，利用改进的网格搜索算法对随机森林算法中的决策树数量和候选分裂属性数进行参数优化的随机森林算法。仿真结果表明，利用该方法优化得到的参数都能够使随机森林的分类效果得到一定程度的提高。

人工智能-搜索引擎

为能够应用和声搜索算法(HSA)高效求解作业车间调度问题(JSSP)，提出一种新的差分和声搜索算法(DEHSA)。首先，针对和声函数连续而工序离散现象，设计了排序工序数量转换法，将浮点数的和声转换成工件序列；其次，为提高HSA的收敛速度，改进了HSA的进化模式，不仅是替换一个最差解，还提出了和声变量进化时依赖于当前最优解的“导优”概率；最后，将差分进化算法(DEA)引入到HSA中，克服了HSA方向性差和后期停滞的现象。仿真实验结果表明，DEHSA在求解JSSP上具有可行性和有效性。

回溯搜索算法（BSA）是一种新颖的全局优化算法，用于解决实值数值优化问题。 本文提出并比较了几种基于反对派的BSA。 它的关键特征是同时考虑候选解决方案及其对应的相反解决方案，以实现最佳逼近。 对58个广泛使用的基准问题的仿真结果表明，基于对立的学习方法可以显着提高原始BSA的性能。 另外，所提出的算法性能与对等点的利用率有明显的正相关性。

第一个任务是要求用自己最擅长的语言编程读取一个TXT文本中的字符，找出每一章节中"Arthur"出现的次数和显示出程序所用的总时间。很明显的这就是一个字符串匹配问题。所以我先用一个传统的字符串比较方法来实现，为了提高效率，考虑到字符串匹配较好的算法有Brute force（暴力搜索）其预处理时间为O（0），匹配时间复杂度O（N*M）；KMP的预处理时间O（M），匹配时间复杂度O（N）；BM的预处理 O（N+M^2），匹配时间复杂度O（N）。因为所需处理的数据量不大，因此我选择用KMP算法来改进匹配效率。

【达摩老生出品，必属精品，亲测校正，质量保证】 资源名：直接搜索算法_matlab 资源类型：matlab项目全套源码 源码说明： 全部项目源码都是经过测试校正后百分百成功运行的，如果您下载后不能运行可联系我进行指导或者更换。 适合人群：新手及有一定经验的开发人员

Les-Petits-Plats:带有搜索算法的食谱网站

完整代码，可直接运行