【蚁群算法及其应用】 蚂蚁觅食行为与觅食策略 蚂蚁系统——蚁群系统的原型 改进的蚁群优化算法 蚁群优化算法的仿真研究 蚁群算法的应用——对QoS组播路由问题求解 20世纪50年代中期创立了仿生学，人们从生物进化的机理中受到启发。提出了许多用以解决复杂优化问题的新方法，如进化规划、进化策略、遗传算法等，这些算法成功地解决了一些实际问题。 20世纪90年代意大利学者M．Dorigo，V．Maniezzo，A．Colorni等从生物进化的机制中受到启发，通过模拟自然界蚂蚁搜索路径的行为，提出来一种新型的模拟进化算法—— 蚁群算法，是群智能理论研究领域的一种主要算法。用该方法求解TSP问题、分配问题、job-shop调度问题，取得了较好的试验结果．虽然研究时间不长，但是现在的研究显示出，蚁群算法在求解复杂优化问题（特别是离散优化问题）方面有一定优势，表明它是一种有发展前景的算法． 这种方法能够被用于解决大多数优化问题或者能够转化为优化求解的问题。现在其应用领域已扩展到多目标优化、数据分类、数据聚类、模式识别、电信QoS管理、生物系统建模、流程规划、信号处理、机器人控制、决策支持以及仿真和系统辩识等方面，群智能理论和方法为解决这类应用问题提供了新的途径。 群智能理论研究领域有两种主要的算法：蚁群算法(Ant Colony Optimization, ACO)和微粒群算法（Particle Swarm Optimization, PSO）。前者是对蚂蚁群落食物采集过程的模拟，已成功应用于许多离散优化问题。微粒群算法也是起源于对简单社会系统的模拟，最初是模拟鸟群觅食的过程，但后来发现它是一种很好的优化工具。

蜉蝣算法（mayfly algorithm，MA）的Matlab源码

海鸥优化算法（Seagull Optimization Algorithm ，SOA）的Matlab源码

本文档集合了果蝇优化算法的若干篇经典论文，具有较高的研究价值！

云计算中融合群体智能软件优化算法的计算机动态调度.pdf

受麻雀群体智慧、觅食和反捕食行为的启发，提出了一种新的群体优化方法，即麻雀搜索算法（SSA）。

单目标头脑风暴优化算法,用来对生产调度等进行优化的新型群体智能优化算法.zip

％％％％％％％％％％％％％％％以上帝的名义％％％％％％％％％％％％％％％％％％％％％％％ 项目：如何在人工吸引排斥力的作用下使群智能纳米机器人成为可能？ 版本：第一日期 : 16/11/2017 作者：Ali Foroutannia 阿里·福鲁坦尼亚内沙布尔大学工程学部电气工程系多尺度机器人实验室网站： www.aliforoutannia.ir 电子邮件：aliforoutannia@gmail.i aliforoutannia@yahoo.com 注释：

粒子群优化(PSO)是一种基于群体智能的数值优化算法，由社会心理学家James Kennedy和电气工程师Russell Eberhart于1995年提出。自PSO诞生以来，它在许多方面都得到了改进，这一部分将介绍基本的粒子群优化算法原理和过程。

人工蜂群算法中有三类蜂群，在寻找蜜源过程中相互转化，最终寻得最优解。