matlab有些代码不运行均衡优化器 这是用MATLAB编写的均衡优化器的源代码。 平衡优化器（EO）是一种新颖的优化算法，受控制体积质量平衡的启发，可以估算动态状态和平衡状态。 在EO中，搜索代理会随机更新某些称为平衡候选物的有才干粒子的浓度（位置），以最终达到平衡状态（最佳结果）。 下图示意性地显示了平衡候选物在更新粒子浓度方面的协作。 EO的性能已通过58种数学函数（包括单峰，多峰，混合和组合函数）以及3个工程基准问题进行了验证，并将其性能与三类优化方法进行了比较； GA和PSO是研究最深入的元启发式算法，GWO，GSA和SSA是最近开发的算法，而CMA-ES，SHADE和LSHADE-SPACMA是高性能优化器。 全面的统计分析表明，EO的性能明显优于SHADE和LSHADE-SPACMA，而EO的性能明显优于PSO，GA，GWO，GSA，SSA和CMA-ES。 EO的结构简单易实现。 该算法在计算上是有效的，并且像PSO和GA一样，其复杂度为多项式：O（tnd + tcn）其中t，n，d和c分别表示迭代，粒子数，维数和功能评估成本。 您可以在此处下载主要论文： 如果您无权访问

EO 的灵感来自于控制体积质量平衡来估计动态和平衡状态。 在 EO 中，搜索代理相对于一些称为平衡候选的天才粒子随机更新它们的浓度（位置），以最终达到平衡状态作为最佳结果。 EO 的性能通过 58 个数学函数（包括单峰、多峰、混合和复合函数）以及 3 个工程基准问题进行验证，并将其性能与三类优化方法进行比较； GA 和 PSO 作为研究最多的元启发式算法，GWO、GSA 和 SSA 作为最近开发的算法，CMA-ES、SHADE 和 LSHADE-SPACMA 作为高性能优化器。 综合统计分析表明，EO 能够显着优于 PSO、GA、GWO、GSA、SSA 和 CMA-ES，而其性能在统计上与 SHADE 和 LSHADE-SPACMA 相似。 主要论文：A. Faramarzi、M. Heidarinejad、B. Stephens、S. Mirjalili，均衡优化器：一种新颖的优化

本文针对p-hub中心问题开发了三个新的平衡优化模型，其中旅行时间以模糊随机变量为特征。 所提出的平衡优化方法是找到枢纽设施和需求节点的位置，以使不确定行程时间的平衡服务水平最大化。 在温和的假设下，我们首先处理均衡服务水平，并将其降低到等效的概率约束。 根据等效随机规划模型的结构特点，设计了一种新的基于参数分解的混合禁忌搜索（PD-HTS）算法，该算法结合了参数分解（PD），样本均值逼近和禁忌搜索算法。 为了证明设计解决方案方法的有效性，我们使用澳大利亚邮政数据集和随机生成的数据集进行了一些数值实验。 比较研究表明，与基于参数分解的混合遗传算法相比，PD-HTS算法具有更好的性能。