模拟退火算法资料大全加源码

特征选择是常用的预处理任务之一，其目的是减少智能算法和模型的输入量。这有助于简化模型，降低模型训练的计算成本，提高模型的泛化能力和防止过度训练。用于前馈人工神经网络（ANNs）训练的进化特征选择的MATLAB实现。

采用了爬山法、随机重启爬山法、模拟退火法、遗传算法，手算八皇后问题的整理

采用了爬山法、随机重启爬山法、模拟退火法、遗传算法，手算八皇后问题的整理

基于遗传算法和模拟退火算法改进的混合模拟退火算法（解决求函数极值问题，MATLAB代码已实现）混合模拟退火算法时遗传算法和模拟退火算法的结合，在混合模拟退火算法中使用了大量的样本作为问题的可能解决方案而不是将单个样本作为一个问题的可能解决方案。对遗传算法中适应的概念进行相应改进。

针对花朵授粉算法寻优精度低、收敛速度慢、易陷入局部极小的不足,提出一种把模拟退火(SA)融入到花朵授粉算法中的混合算法。该算法通过SA的概率突跳策略使其避免陷入局部最优,并利用SA的全域搜索的性能增强算法的全局寻优能力。通过6个标准测试函数进行测试,仿真结果表明,改进算法在4个测试函数中能够找到理论最优值,其收敛精度、收敛速度、鲁棒性均比基本的花朵授粉算法(FPA)、蝙蝠算法(BA)、粒子群优化(PSO)算法及改进的粒子群算法有较大的提高;同时,对非线性方程组问题进行求解的算例应用也验证了改进算法的有效性。

智能优化算法研究（模拟退火法、神经网络、蚁群算法、遗传算法）

博客https://blog.csdn.net/xs1997/article/details/103357654#comments缺少的所用的CROSSOVER函数、OBJFUNC函数的代码，提供给大家。

包含文档、源代码、测试结果展示

对模拟算法的介绍和简单应用 适用于初学者和对算法研究者