电力系统优化，智能算法，MATLAB

Grover's algorithm is a quantum algorithm that finds with high probability the unique input to a black box function that produces a particular output value.

禁忌搜索算法求解旅行商问题研究

Topic2Vector是用于主题建模和语义搜索的算法。它自动检测文本中存在的主题，并生成联合嵌入的主题，文档和单词向量。op2Vec - Generate topic, document and word embeddings.' by Dimo Angelov 安装Top2Vec的简单方法是：pip install top2vec 用法 从 top2vec 导入 Top2Vec 型号= Top2Vec（文档） 参数： documents：输入语料库，应为字符串列表。 speed：此参数将确定模型训练的速度。“快速学习”选项是最快的，将生成最低质量的向量。“学习”选项将学习更好的质量向量，但需要花费更长的时间进行训练。“深度学习”选项将学习最佳质量的向量，但将花费大量时间进行训练。 workers：用于训练模型的工作线程数量。较大的数量将导致更快的培训。 经过训练的模型可以保存和加载。 model.save（“ filename ”） 型号= Top2Vec.load（“ filename ”）

完整的基于matlab编写的万有引力搜索算法代码，打开之后可以直接运行，不需要任何修改，有详细的注释，几乎囊括所有常用的基准函数，也可以自己添加新的函数

本文提出了一种三值重力搜索算法（TGSA），以解决图形的平面化问题。 问题（GPP）。 GPP是图论中最重要的任务之一，被证明是一个NP难题。 为了解决这个问题，TGSA使用三值编码方案，并根据众所周知的单行路由表示方法将搜索空间定量建模为三角超立方体。 TGSA中的相互作用由引力定律驱动，它们逐渐向全局最佳位置移动。 每个代理的位置更新规则基于两个指标：一个是速度指标，它是代理当前速度的函数，另一个是基于整个人口中的累积信息的人口指标。 为了验证算法的性能，测试了21个基准实例。 实验结果表明，TGSA可以通过找到最大平面子图并将生成的边同时嵌入到平面中来求解GPP。 与传统算法相比，TGSA的新颖之处在于它可以为GPP找到多个最佳解决方案。 比较结果还表明，在合理的计算时间内，TGSA在解决方案质量方面优于传统的元启发式方法。

针对有功网损、电压偏差和静态电压稳定裕度的多目标无功优化问题，提出一种基于改进粒子群-禁忌搜索算法的多目标电力系统无功优化方法。以最小特征值模为电压稳定裕度指标建立了3个目标函数的单一妥协模型。应用Kent映射产生的混沌序列作为初始种群，保证初始种群的多样性和均匀性。粒子群优化（PSO）算法进行前期计算时，采用凸函数递减惯性权重和自适应学习因子提高算法的收敛速度和精度；针对PSO算法搜索精度不高和陷入局部最优的问题，在PSO算法后期收敛后引入禁忌搜索算法全局寻优。基于群体适应度方差，引入模糊截集理论将模糊集合转化为经典集合，定义了经典集合下的收敛指标，当其值为0时进入禁忌搜索计算阶段，解决2种算法的切换问题。将所提方法应用于IEEE 14、IEEE 30和IEEE 118节点系统中，验证了其有效性和可行性。

禁忌搜索算法及应用_刘光远，贺一，温万惠著_北京：科学出版社_2014.09_13625455_P164

人工智能下五子棋（基于博弈树极大极小值alpha-beta剪枝搜索算法），代码解析链接参见网址：https://blog.csdn.net/m0_38106923/article/details/93347117

同源搜索是生物信息学在分子生物学，蛋白质功能分析和药物开发领域的巨大应用。 为了在不断增长的数据库中执行批量搜索，基本方法是对每个原始查询运行Blast或通过将它们分组在一起来串联查询。 本文提出了一种增强的具有序列压缩和聚类的蛋白质同源性批量搜索算法（C2-BLASTP），该算法利用了查询序列和数据库之间的联合信息。 在C2-BLASTP中，查询和数据库首先通过冗余分析进行压缩。 然后根据子序列相似度对数据库进行聚类。 此后，可以在群集数据库中实现命中查找。 此外，基于潜在的命中结果来重建最终执行数据库，以减轻序列数据库不断扩大的规模。 最后，在执行数据库中进行同源批搜索。 在NCBI NR数据库上进行的实验证明，在同源性准确性，搜索速度和内存使用方面，C2-BLASTP对于同源性批量搜索的有效性。