蚁群算法简介和C语言实现.txt

在经典蚁群算法程序基础上修改： 确定起点终点 无闭环，即走遍之后不返回起点

在二维静态环境下的机器人路径规划中，采用基本蚁群算法寻优存在搜索时间较长、效率较低、容易陷入局部最优等问题。针对这些问题对基本蚁群算法进行改进，改进的蚁群算法使用不同的期望值机制，采用挥发系数自适应方式更新信息激素，并加入拐点参数作为路径的评价标准之一。对这两种算法进行仿真分析，可得改进后的蚁群算法比基本蚁群算法搜索能力更强，算法效率更高，所寻路径更短。结果表明，该改进算法提高了算法效率，抑制了算法陷入局部最优并实现了机器人最优路径搜索，使机器人可以快速地避开障碍物安全到达目标点。

包含蚁群算法Mablab工具箱，蚁群算法C语言实现算法文件，以及蚁群算法演示程序。可以提供给广大学者和研究人员作为借鉴，源代码可以直接编译运行，延伸性好，扩展性能佳，为算法学习和改进提供了空间，程序结构精良，可读性好。提供了Matlab和C语言两种版本，适合不同人员自由选择。

2012年数学建模之蚁群算法.ppt

基于蚁群的聚类算法。matlab实现的。有说明PPT。

基于蚁群算法的聚类算法 matlab实现

人工只能实验 c++ 蚁群算法 遗传算法 解 背包问题

matlab图像分割肿瘤代码MRI扫描分割 使用自然启发算法在MRI扫描中进行多级脑肿瘤分割 自然界热衷的算法是最有效的优化方法。 开发了几种生物启发算法，以生成用于有效分割此类图像的最佳阈值。 它们的穷举搜索性质使它们在扩展到多级阈值处理时在计算上很昂贵。 在这个项目中，我们提出了一种计算效率高的图像分割算法，称为CSMcCulloch ，在Cuckoo Search （CS）算法中结合了McCulloch的用于产生征费飞行的方法，以优化多级阈值。 除此之外，我们还对Fuzzy C均值实施了蚁群算法优化，以从磁共振图像（MRI）获得脑肿瘤的最佳水平图像分割。 该项目探索了两者之间的比较，对它们的搜索机制进行了深入研究，以发现如何有效地检测肿瘤并比较它们各自的实验结果。 我们的代码使用经过改进的布谷鸟搜索算法（CSMcCulloch）分割灰度/ RGB图像，并通过不同的目标函数进行了测试。 CSMC_otsu.m ：该函数可运行以使用CS MCulloch算法（以类之间的方差作为目标函数）的CS MCulloch算法查看分割灰色或RGB图像的示例结果 CSMC_kapur.m ：该函数

本人收集的几个聚类算法，大家可以调试看看看，欢迎大家下载