资源包含相关参考文献及对应的matlab仿真程序，仅供参考。 本文为解决欠驱动船舶路径跟踪控制问题，在船舶模型参数不确定和海洋环境扰动未知的情况下，提出了一种神经元自适应迭代滑模控制策略。相比较于路径跟踪控制，轨迹跟踪控制是指利用舵的转船力矩和螺旋桨的推进力使笛卡尔坐标系中的横向、纵向位置误差都镇定到零，期望轨迹是一个时间的函数，因此轨迹跟踪控制问题更不容易解决。在本章中，参考欠驱动船舶轨迹跟踪的横向和纵向误差信息构造二阶滑模面和四阶滑模面，结合Ｌｙａｐｕｎｏｖ稳定性条件构造思想，设计螺旋桨转速控制器和舵机舵角控制器；为进一步优化控制器参数，结合萤火虫算法与混沌算法，对控制器的主要参数值进 行寻优，设计了一种基于混沌萤火虫算法的欠驱动船舶轨迹跟踪自适应迭代滑模控制 器。

标准萤火虫算法的灵感来自热带萤火虫的闪烁模式。 这个演示解决了一个 d=10 维的函数。 扩展它以解决其他函数和优化问题很简单。 详细信息可以在书中找到：Xin-She Yang, Nature-Inspired Optimization Algorithms, Elsevier Insights, (2014)。 https://www.sciencedirect.com/book/9780124167438/nature-inspired-optimization-algorithms

实现萤火虫算法，主要是优化算法，用于寻找多目标时的最优值，效果比

【信号去噪】基于萤火虫算法优化svslms实现信号去噪matlab源码.zip

基本萤火虫算法是2014年由xinshe yang受萤火虫生物特性启发得到

【布局优化】基于萤火虫算法的无线传感器网(WSN)覆盖优化Matlab源码

完整代码，可直接运行

参考文献：任静敏，潘大志《带权重的贪心萤火虫算法求解0-1背包问题》，用MATLAB实现改进萤火虫算法（WGFA），对基本的萤火虫算法进行改进，加入线性递减惯性权重，用贪心算法修复不可行解，加入变异算子提高全局搜索能力。

针对传统K-means算法易受初始聚类中心和异常数据的影响等缺陷，利用萤火虫优化算法全局搜索能力强、收敛速度快的优势，对K-means算法的初始聚类中心进行优化，并通过引用一种加权的欧氏距离，减少异常数据等不确定因素带来的不良影响，提出了一种基于萤火虫优化的加权K-means算法。该算法在提升聚类性能的同时，有效增强了算法的收敛速度。在实验阶段，通过UCI数据集中的几组数据对该算法进行了聚类实验及有效性测试，实验结果充分表明了该算法的有效性及优越性。

【优化算法】多策略协同多目标萤火虫算法（MOFA_MOCS）【含Matlab源码 1512期】.zip