天牛须搜索( beetle antennae search，BAS) 算法是2017 年提出的一种基于天牛觅食原理的适用于多目标函数优化的新技术，其生物原理为: 当天牛觅食时，其并不知道食物在哪里，而是根据食物气味的强弱来觅食。天牛有两只长触角，如果左边触角收到的气味强度比右边大，那下一步天牛就会向左边飞，反之则向右飞。依据这一简单原理天牛就可以有效找到食物。与遗传算法、粒子群算法等类似，BAS 不需要知道函数的具体形式以及梯度信息，就可以自动实现寻优过程，且其个体仅为一个，寻优速度显著提高，以下代码是利用天牛须算法来优化BP神经网络的初始权值和阈值

智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真代码

完整代码，可直接运行

用天牛须算法优化PID参数，压缩包里有两文件，一个是Simulink画的PID,一个是天牛须算法,这里对天牛须进行了一点改进,用的是群体天牛须.里面传函我设置的比较简单,可以用复杂的传函跑一跑

【优化求解】天牛须搜索优化算法.md

粒子群算法（PSO）作为一种群智能算法，有效提高了投资组合模型的实用性，但存在搜索精度较低和易陷入局部最优的缺陷.为克服其缺点，本文提出基于天牛须搜索（BAS）的粒子群优化算法（简称BSO），并将其应用到包含完整费用的投资组合模型中.在基于天牛须搜索的优化算法中（BSO），每个粒子的更新规则源自BAS，在每次迭代中都有自己对环境空间的判断，而不仅依赖于PSO中历史最佳解决方案和粒子个体的当前全局最优解，从而减少迭代次数、提高搜索速度和精度.实证结果表明算法更具稳定性和有效性.

英文论文

基于matable实现的天牛须算法。天牛须搜索算法 [2] 是一种生物启发的智能优化算法，是受到天牛觅食原理启发而开发的算法，其仿生原理如下： 天牛须搜索的原理： 当天牛觅食时，天牛并不知道实物在哪里，而是根据食物气味的强弱来觅食。天牛有两只长触角，如果左边触角收到的气味强度比右边大，那下一步天牛就往左飞，否则就往右飞，依据这一原理天牛可以找到食物。

资源包括：AFS模型、两相混合步进电机模型、PID控制初始参数求解、PID控制、模糊PID、基于PSO的PID控制、基于BAS的PID控制和基于BAO的PID控制的性能对比，压缩文件包括详细WORD说明文档、参考文献列表、README说明、M文件、MATLAB-Simulink模型

天牛须算法优化的PID控制器，matlab实现