遗传算法程序NSGA2，关于移动机器人路径规划。

萤火虫优化算法(GSO)是一种计算多模函数多峰值问题的群智能算法,由模拟自然界中萤火虫发光的生物学特征发展而来。在GSO算法中,萤火虫根据自适应的感应决策范围寻找比自身荧光素高的萤火虫,并通过概率选择机制朝其运动,以实现寻优目的。简要阐述GSO算法基本原理,对算法各个参数进行分析说明,利用Matlab软件构建GSO算法在整个寻优过程中的可视化环境,并给出算法源代码。仿真实验首先实现了自适应感应决策范围更新过程,然后通过多模函数仿真示例测试了该方法的有效性,从而实现了利用萤火虫算法解决多模函数多峰值优化问题。

粒子群优化算法matlab实现，有具体示例，绝对通俗易懂，做遗传算法研究或者需要用到参数优化的同学可以看看，

自己编的，一个新的智能优化算法，目前还很少人用于实际，我利用他发了篇文章，现在毕业了，就和大家共享了

包含冠状病毒群体免疫优化算法(CHIO)和matlab程序及论文，分享给大家学习。 2020年Mohammed Azmi Al-Betar等人提出的一种新的基于自然的优化算法——冠状病毒群体免疫优化算法(CHIO)。其灵感来源于世界传播的灾难性的新冠病毒，模仿了群体免疫策略和社会距离概念。三种类型的个体病例用于群体免疫:易感、感染和免疫。 本文研究了CHIO对其参数的敏感性。然后，CHIO使用23个著名的基准测试函数进行评估对七种最先进的方法进行了比较评价。比较分析表明，与其他成熟的方法相比，CHIO能够产生非常有竞争力的结果。为了进一步验证，本文使用了三个从IEEECEC 2011中提取的实际工程优化问题。再一次，CHIO被证明是有效率的。总之，CHIO是一种非常强大的优化算法，可以用来解决各种优化领域的许多优化问题。

鲸鱼优化算法（WOA）是根据鲸鱼围捕猎物的行为而提出的算法。鲸鱼是一种群居的哺乳动物，在捕猎时它们也会相互合作对猎物进行驱赶和围捕。鲸鱼算法提出时间并不长，也是一个新兴的优化算法，研究应用案例不多。

研究生课程之一，完整的智能优化算法相关代码和介绍讲义，包括期末考试的往年试题，将考试时用的资料都整理好了。

多变量粒子群优化算法演示程序，可观察研究粒子在优化过程中的行为。例子的数据模型为用一系列矩形填充圆截面，求最好的填充组合。代码为 C++ & VS2010。

杂草优化算法matlab程序，可以方便的进行修改

DIRECT 算法是由 Jones 等人提出的一种确定性全局优化算法特别适用于具有确定变量空间的函数寻优。 DIRECT 优化算法 matlab程序 特点： 1、附带帮助文档，原理解释清晰可靠 2、该算法全局改进带约束