Matlab集成的c代码散粒噪声 R套件，用于精确模拟非负散粒噪声过程（具有伯努利，泊松，伽玛和高斯分布逆跳）和非高斯OU过程，也称为Lévy驱动的OU过程（特别是OU-Poisson，论文中的OU-Gamma和OU逆高斯（OU-IG）过程） [1] M. Tamborrino，P。Lansky，散粒噪声，弱收敛和扩散近似，Physica D，418，132845，2021， 该代码由Rcpp中的Massimiliano Tamborrino（warwick.ac.uk上的名字点secondname）编写。 Yan Qu为基于论文的OU-Gamma和OU-IG过程提供了Matlab代码，用于精确模拟OU-Gamma和OU-IG过程 [2] Y. Qu，A。Dassios，H。Zhao，伽马驱动的Ornstein–Uhlenbeck过程具有有限和无限活动跃迁的精确模拟，J。Oper。 Res。 Soc。，471--484，2019，。 [3] Y. Qu，A. Dassios，H. Zhao，Ornstein–Uhlenbeck回火稳定过程的精确模拟，J. Appl。Chem。，117，

抽象的在本文中，我们提出了一种基于 L´evy 飞行的新元启发式算法，称为 L´evy 飞行分布 (LFD)，用于解决实际优化问题。 LFD 算法的灵感来自 L´evy 飞行随机游走，用于探索未知的大型搜索空间（例如，无线传感器网络 (WSN)）。 为了评估LFD算法的性能，考虑了各种优化测试平台问题，即演化计算大会（CEC）2017套件和三个工程优化问题：拉伸/压缩弹簧，焊接梁和压力容器。 统计仿真结果表明，与模拟退火 (SA)、差分进化 (DE)、粒子群优化 (PSO)、大象群优化等几种著名的元启发式算法相比，LFD 算法在大多数测试中提供了更好的结果和优越的性能（EHO）、遗传算法（GA）、蛾焰优化算法（MFO）、鲸鱼优化算法（WOA）、蚱蜢优化算法（GOA）和哈里斯霍克斯优化（HHO）算法。 此外，LFD 算法的性能在未知大搜索空间的其他不同优化问题上进行了测试，例如 WSN 中的

使用过程辨识的频率响应里面的levy法对G（w）得到其传递函数，注释很详细，简单易懂，可以自己改参数，另外说一下《过程辨识》这本书也很好

levy飞行，可以单独使用，但通常搭配函数优化一起用

代码自写，亲测 可用。是基于Levy_flights的布谷鸟算法求解函数的最小最优值

levy的一本很好的教材。是一本很好英文教材

有好几个文件，分别是不同的改进方式，可以很好学习，而且能够执行