该资料包含（POA+GA、人工鱼群等4个程序代码）

电力系统分析、输电网规划、最优潮流计算

用于以下元启发式的 Python 库：自适应随机搜索、蚁狮优化器、算术优化算法、人工蜂群优化、人工鱼群算法、蝙蝠算法、基于生物地理学的优化、交叉熵方法、乌鸦搜索算法、布谷鸟搜索、差分进化,分散 苍蝇 优化,蜻蜓 算法,萤火虫 算法,流向 算法,花授粉算法，遗传算法，蚱蜢优化算法，重力搜索算法，灰狼优化器，哈里斯鹰优化器，改进的灰狼优化器，改进的鲸鱼优化算法，Jaya，水母搜索优化器，磷虾群算法，模因算法，飞蛾火焰优化，多元 宇宙 优化 器,粒子 群 优化,随机 搜索, Salp Swarm 算法,模拟退火,正余弦算法,鲸鱼优化算法。

load yjzl.txt; %已建支路数据 load dxzl.txt; %待选支路数据 load Pi.txt; %节点功率 tic, yjzl=yjzl; dxzl=dxzl; Pi=Pi; [N,row]=size(Pi); %N为节点数 fish=40; %控制参数：人工鱼的条数 visual=7; %控制参数：视野 delta=0.35; %控制参数：拥挤度 step=5; %控制参数：人工鱼移动的步长 maxcalculation=100; %收敛条件：最大迭代次数 objectvalue=zeros(1,fish); %食物浓度矩阵（1×fish） [NN,row]=size(dxzl); %NN为待选线路的维数 status=rand(fish,NN); %人工鱼位置状态矩阵status

针对共享汽车运营中车辆与客户匹配率低的问题，文中对汽车停放网点的选址位置及网点建设规模进行了优化设计。通过引入差分进化算法，对传统的人工鱼群算法进行改进，将人工鱼群划分为开发集与探索集。开发集与探索集间使用不同的步长和视野参数，实现了鱼群差异化的并行进化，提升了算法对于最优值的搜索能力。通过引入判定概率，改变原有的聚群、追尾方式，实现开发集与共享集间信息的高效互通，降低算法的运算复杂度。最终基于实际共享汽车的运营数据，测试网点的优化方案。结果表明，在有限的网点建设成本下，该算法可以改善67%的供求差。此外，改进算法的平均运行时间为56.25 s，而传统算法的运行时间为89.35 s，运行效率显著提升。

智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真

人工鱼群算法AFSA优化支持向量机SVM,提高故障分类精度。(Artificial fish algorithm AFSA optimization support vector machine SVM, improve the fault classification accuracy.)

0积分下载，代码运行效果图见压缩包

基于人工鱼群算法的最大熵多阈值的成熟草莓图像分割

针对基本人工鱼群算法的参数视野固定不变导致算法后期收敛速度慢、运算量大、易陷入局部最优等问题，提出自适应视野的改进人工鱼群算法。改进后的算法只对人工鱼的觅食行为的视野进行调整，使其随着算法的迭代次数的增加而逐渐减小，但当视野小于初始值的一半时，停止减小，使其等于初始值的一半。将提出的改进型人工鱼群算法应用到求解基于道路网络的最短路径问题中，并通过实验证明了改进后的人工鱼群算法比基本人工鱼群算法及蚁群优化算法收敛速度快、计算量小，而且更加准确和稳定。