禁忌搜索(Tabu Search, TS)是属于模拟人类智能的一种优化算法。 基本流程：禁忌搜索算法在初始化的时候，在搜索空间随机生成一个初始解 i，禁忌表H置空，当前解i记为历史最优解 s，然后进入迭代的搜索过程。在每一次迭代中，都从当前的解i出发，在当前禁忌表H的限制下，构造出解i的邻域A，然后从A中选出适应值最好的解 j 来替换解 i，同时更新禁忌表H。在解 j 替换解 i 之后，如果解 i 的质量得到改善，那么历史最优的解 s 将被解 i 替换；否则，s 保持不变，即使解 i 虽然暂时变差了，但是由于扩大了搜索空间，仍有利于跳出局部最优。得到了新的当前解 i 之后，算法返回迭代的开始继续进行，直到找到最优解或者运行了一定的迭代次数等终止条件的时候结束算法。 ———————————————— 介绍链接：https://blog.csdn.net/qq_44186838/article/details/109270374

Python复现遗传算法、蚁群优化算法、粒子群算法、禁忌搜索算法 详细算法介绍链接：https://blog.csdn.net/qq_44186838/article/details/109181453

可以帮助大家对搜索算法的更加深入一步了解，帮助大家熟练地掌握这种算法思想

堆场出口箱区通常通过集装箱的预倒箱操作来提高后续装船作业的效率. 为此, 开发了由邻域搜索算法与整数规划算法组成的两阶段混合算法对预倒箱问题进行优化, 第1 阶段通过启发式规则压缩末终堆存状态空间, 第2 阶段通过整数规划算法缩短第1 阶段得到的预倒箱序列的长度. 两个阶段循环交替进行以快速求得最优的预倒箱序列. 借助不同种类仿真算例的实验结果及与现有研究方法下所得结果的对比, 验证了混合优化算法的有效性和实用性.

深度优先搜索算法Matlab源码_matlab源码.rar

多车场带时间窗车辆路径问题的变邻域搜索算法.pdf

人工智能，八数码问题，深度优先搜索算法，c语言编写

几个变形的Alpha-Beta搜索算法（很经典） 几个变形的Alpha-Beta搜索算法（很经典）

为了克服狼群搜索算法（WSA）存在的不足，提出一种新的混合优化算法，称之为引入Nelder-Mead算子的改进狼群搜索算法。该算法使得每只狼在个体搜索中能够利用群体信息和个体记忆来指导其搜索猎物，以提高算法的全局搜索能力；让每只狼在个体搜索中可使用Nelder-Mead方法，以弥补WSA在局部搜索能力上的不足。选取六个基准函数，用来测试算法的优化性能。实验结果表明：该算法能够寻得更优的最优解，且鲁棒性更强，可应用于求解高维复杂优化问题。

提出了涡旋搜索 (VS) 算法来执行数值函数优化。 所提出的 VS 算法的灵感来自于由搅拌流体的涡流产生的涡流模式。 为了在搜索的探索性和开发性行为之间提供良好的平衡，所提出的方法通过使用自适应步长调整方案将其搜索行为建模为涡流模式。 所提出的 VS 算法经过 50 多个基准数学函数的测试，并将结果与​​基于单解（模拟退火、SA 和模式搜索、PS）和基于种群（粒子群优化、PSO2011 和人工蜂群、ABC）进行比较) 算法。 执行 Wilcoxon-Signed Rank Test 以测量算法的成对统计性能，结果表明所提出的 VS 算法在与 PSO2011 算法竞争的同时优于 SA、PS 和 ABC 算法。 有关详细信息： Doğan, B., & Ölmez, T. (2015)。 数值函数优化的新元启发式算法：涡旋搜索算法。 信息科学，293, 125-145。