旅行商问题（英语：Travelling salesman problem, TSP）是组合优化中的一个NP困难问题，在运筹学和理论电脑科学中非常重要。问题内容为“给定一系列城市和每对城市之间的距离，求解访问每一座城市一次并回到起始城市的最短回路。”
该资源通过python 建立旅行商问题的解法，效果良好，具有高拓展高利用的特性。
2022-11-03 10:59:13
5KB
粒子群算法（PSO）整定pid控制参数，比传统Z-N整定方法要好，内附matlab程序与simulink模型
2022-11-03 10:28:31
39KB
1
该源码仅供科研，无法直接用于商用，基于蚁群优化算法的无人船艇航线自动生成及路径规划
2022-11-03 09:27:55
1.23MB
1
针对磷虾群算法易陷入局部最优、收敛速度慢等缺点，提出了具备反向学习和局部学习能力的磷虾群算法。利用混沌映射和反向学习的思想初始化种群，根据算法迭代次数自适应调整学习维度，对精英个体进行反向学习，能有效保持种群的多样性，选取精英群体，通过自适应的Lévy飞行分布和改进的差分变异算子，提高种群的局部学习能力。这种新颖的元启发方式能加速收敛速度的同时可以保证磷虾群算法的鲁棒性。通过对8个基准函数进行仿真测试，实验结果表明：与最近的KH优化算法相比，该算法在收敛速度、收敛精度等方面得到明显改进。
2022-11-02 15:45:10
782KB
1
粒子群算法（PSO）正是从生物群体行为中得到启发，将优化问题的每一个可行解看作一个“粒子＂，用速度、位置、适应度三个指标表征该粒子的基本特性，基于PSO算法可以快速搜索最优解。下面是PSO算法和适应度函数，已调试，可以搜索最优解。
2022-11-01 19:22:42
2KB
1
对于蚁群算法做出的改进，按信息素大小进行排序
2022-11-01 09:11:34
1.62MB
1