【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。

科学出版社《计算智能》，作者 黄竞伟，前8章PPT资源

动态作业车间调度问题是作业车间调度问题的一种形式，具有不同的到达时间作业或非并发作业。 这个问题可以用图的形式表示，即寻找从起点到终点的最短路径。 可以使用的一种解决方案是使用蚁群优化算法。 有三种输入作业的方法：xls 文件、矩阵和有吸引力的对话框。

伴随着现代物流的快速发展，冷链物流也得到快速发展。在冷链物流研究中配送路径优化问题对冷链物流的发展起到至关重要的作用，鉴于蚁群算法在路径优化问题中的成功应用，因此将蚁群算法应用到冷链物流配送路径优化问题中。考虑到蚁群算法运行中存在的问题，将遗传算法与粒子群算法引入到蚁群算法中，构成基于PSOGAACO算法的冷链物流配送路径优化算法。实验结果表明，这种构想是可行的，可以有效提高算法运行效率，缩短配送距离，提高经济效益。

使用蚁群算法解01背包问题，txt文件为测试数据请自己进行编译c++程序

Jx-WFST：包装特征选择工具箱 -------------------------------------------------- -------------------------------------------------- -------------------------------------------------- ------------- * 该工具箱提供了 40 多种包装器特征选择方法 * 提供了如何在基准数据集上应用这些方法的示例 * 这个 Jx-WFST 工具箱的详细信息可以在https://github.com/JingweiToo/Wrapper-Feature-Selection-Toolbox找到

GA_ACO优化BP神经网络在行星齿轮箱故障诊断中的应用_高畅.pdf

Introduction 复现了一些TSP问题的相关算法，对TSP数据集st70.tsp进行了测试，并对此测试数据调整了参数，开箱即用。 Algorithms 动态规划(DP) 遗传算法(GA) 粒子群算法(PSO) 模拟退火算法(SA) 蚁群算法(ACO) 自适应神经网络(SOM) 禁忌搜索算法(TS) 指针网络(Pointer-network)[pytorch版本复现] Tips 遗传算法核心要素：父代集合的数量，选择两个父代个体的方式，交叉操作、变异操作 粒子群算法核心要素：个体当前最优与粒子群群体当前最优，生成新个体的时候与这两个最优解都会发生交叉 模拟退火算法核心要素：跳出最优解的概率必须是会随着时间变化，降温速度，初始温度，最终温度，随机解的生成方式，随季解数量 蚁群算法核心要素：不同城市之间的概率转移矩阵不断变化（受信息素的影响），参数繁多 自适应神经网络核心

蚁群算法(ant colony optimization, ACO)，又称蚂蚁算法,一种用来在图中寻找优化路径的机率型技术。

为获得通用的适用于植物花瓣ACO基因克隆与检测的引物，根据Genbank中收录的双子叶木本植物的 ACO基因序列，设计1对简并引物，并用其对随机选择的7种植物（紫罗兰、多头菊、冬樱、迎春、云南杜鹃、垂丝海棠、山茶）的花瓣的RNA进行PCR扩增。结果发现：从7种植物花瓣中都能扩增出约800 bp的特异片段，登录Genbank发现均未被注册，将序列提交Genbank数据库，获得7种植物花瓣ACO基因的登录号（JX503067、JX503068、JX503069、JX503070、KC112390、KC1123