生物地理学算法的matlab代码实现，包括了基础的BBO算法以及两种改进算法，参考文献 [1]Simon D. Biogeography-based optimization[J].IEEE transactions on evolutionary computation, 2008, 12(6): 702-713. [2]康强.生物地理学优化算法的改进及在聚类优化问题上的应用[D].河南师范大学,2018.

用matlab生成谐波代码BBO_水晶 这些Matlab代码使您可以计算β-硼酸钡（BBO）晶体的以下光学特性： 和频生成（SFG）过程的相位匹配角（类型I） 折射率对波长的依赖性。 使用函数“ nex”和“ nor”中的Sellmeier方程计算折射率。 计算所需的一些参数来自文献（G.Tamoosauskas，G.Beresnevicius，D.Gadonas和A.Dubietis，Opt.Mater.Express，8，1410（2018））。 相位匹配角的计算 相位匹配角可以通过运行“ PMangle.m”来计算。 将要求您指定两个输入光束的波长（Wavelength_1和Wavelength_2以nm为单位）。 如果为两个输入光束选择相同的波长，则非线性光学过程被归为二次谐波产生（SHG）。 作为BBO晶体中的相位匹配的类型，采用类型I。 这意味着输入光束的偏振方向相同，并且所产生的光具有正交偏振。 例如，如果输入光束被分类为e（或o）射线，则输出光束为o（或e）射线。 相位匹配角的计算公式如下： 这里，λ1和λ2是光束并在程序中指定所需的输入的波长。 在另一方面，输出波长λ

用于乳腺癌数据集的 BBO-MLP 虹膜数据集的 MMO-MLP 可以在这里找到： http : //www.mathworks.com.au/matlabcentral/fileexchange/45804-biogeography-based-optimizer--bbo--for-training-multi-layer-perceptron--毫升- 基于生物地理学的优化器 (BBO) 被用作多层感知器 (MLP) 的训练器。 当前的源代码是用于解决虹膜分类问题的 BBO-MLP 训练器的演示。 本次提交中还有其他培训师：粒子群优化 (PSO)、蚁群优化 (ACO)、遗传算法 (GA)、进化策略 (ES) 和基于概率的增量学习 (PBIL)。 BBO-MLP 的分类精度在 main.m 文件的末尾计算，并与 PSO、ACO、ES、GA 和 PBIL 的分类精度进行比较。 最后绘

自从发表第一篇《详解生物地理学优化（BBO）算法（一）》已经过去十个月了。这期间不断的有网友来咨询我问题，我也说过会进一步的剖析一下大家对该算法的改进方法以及分享我的思路。今天总算有时间静下心来做个汇总了。

生物地理学优化算法（BBO）是一种进化算法和元启发式方法，其灵感来自生物地理概念：物种形成（新物种的进化），岛屿之间的物种迁移以及物种的灭绝。该算法最初由Dan Simon在2008年提出。在本文中，我们将与您分享MATLAB中基于生物地理的优化（BBO）的结构开源实现。

生物地理学优化算法(Biogeography-based optimization) 文章

生物地理学算法的综述文章，一个算法实现程序，程序有详细备注，便于理解该算法。

一个关于学习生物地理学算发的程序，方便菜鸟

一种比较新的生物地理学算法（BBO）以及BBO算法和差分进化算法相结合的matlab程序，程序优化较好，比较小，运行速度快。

bbosimplified简易的生物地理学优化算法matlab code，其迁徙模型是最简单的线性模型，非常适合初学者学习该优化算法。