今天进行程序的测试，发现运算速度相当缓慢，当使用876，543，210这个矩阵变换，运算了130k＋步骤，耗时有半个小时多。经过简单 计算，九个格子放入九个数，就有A99种排列组合，结果是360K＋,所以当程序运行到100K＋的时候，我还是在耐心等待，不过帮我测试的同学可没 有我的耐心，早早得都关了。-_-|| 所以在昨天晚上抱着尝试的心态，写了A*算法。该算法就是有序搜索，与盲目搜索的不同之处就是多了一个跟 据一定的策略，从open表中找一个最容易产生结果的结点进行扩展。在这个程序中，该策略就是找到与目标状态数字的排列最接近的结点进行扩展。 结果再输入 876,543,210 只有经过700＋,改进速度提升了几个数量级，结果还是另人满意的。

研究生论文 关于APS排程算法，遗传算法

一篇论文。 摘要：针对置换流水车间调度问题, 提出了一种基于蚁群优化的调度算法。该算法的要点是将NEH 启发式算法和蚁群优化结合起来：首先,将蚁群优化中的能见度定义为NEH 中所用的工作加工时间之和。其次,对于部分解采用了 NEH 中的步骤2 和步骤3 进行局部调整。最后,对构造出的解做插入型局部搜索。用所提算法对置换流水车间调度问题的基准问题进行了测试, 测试结果表明提出算法的有效性。

Chicken Swarm Optimization（CSO）鸡群算法，于2014年10月刚在ICSI 2014上见刊！ 这是一个全新的群智能优化算法，具有简单，良好扩展性的特点，是一种天然的多种群，自适应算法！ 作为刚提出的新算法，很适合进行各种改进研究，发表论文。 http://www.mathworks.cn/matlabcentral/fileexchange/48204-chicken-swarm-optimization-algorithm--demo- 关于算法源代码及介绍，可在上述网站下载！ 希望对大家有用！

启发式搜索，可通过修改代价函数来构建A*等不同的算法；包含基本功能

备注无比详细，格式美观，绝对看得懂！！基于启发式遗传算法的带容量限制的P-median设施选址问题（在N个需求点中找出P个点建设设施满足全部需求，各点设施建设有容量限制，目标为最小化距离与对应需求量的乘积），通过轮盘法进行染色体种群进化，数据部分可导入文件计算，可动态设置种群规模和繁衍次数。