传统的PID控制对于控制模型不确定并具有非线性特性的对象时，存在参数难以整定、控制效果不好的缺点，文中提出了一种基于蚁群算法的PID调节算法，即利用蚁群算法动态调节PID的参数，实现对配料系统的控制，通过实验仿真的方式证明了该方法具有良好的控制效果及适应性。

自适应广义预测控制算法MATLAB程序，控制对象为时滞惯性环节，系统模型参数采用PSO算法进行在线辨识，再采用GPC算法进行控制。 程序中有普通GPC算法和PSO-GPC算法性能的仿真对比。

智能算法（蚁群算法）求解1000个城市的TSP问题Python代码，附详细注释+原始tsp问题的csv文件，有限时间内完成运行。 包含两种蚁群算法的实现代码，以及三种数据集，（51+280+1000）个城市。

【路径规划-VRP问题】基于蚁群算法求解带时间窗车辆路径规划问题（VRPTW）matlab源码.zip

应用蚁群算法进行车辆路径的Matlab程序,对专业应用人员有很好的启发和参考.

基于蚁群算法求解TSP问题的研究，吴璇，，蚁群算法(ant colony optimization, ACO)，是一种用来在图中寻找优化路径的机率型技术，其利用多样性和正反馈性机制能够进行分布式并行查找

本文档是本人智能优化算法课程的大作业，完全的原创。从蚁群算法的背景知识到基本原理都有详尽的介绍。最后应用蚁群算法解决了TSP问题：问题描述，基本思想，解题步骤，流程图，代码实现，实验仿真，实验结果及结论都有非常详细的记录，希望对有需要的朋友有所帮助

将离散空间问题求解的蚁群算法引入连续空间, 针对多目标优化问题的特点, 提出一种用于求解带有约束
条件的多目标函数优化问题的蚁群算法. 该方法定义了连续空间中信息量的留存方式和蚂蚁的行走策略, 并将信息
素交流和基于全局最优经验指导两种寻优方式相结合, 用以加速算法收敛和维持群体的多样性. 通过3 组基准函数
来测试算法性能, 并与N SGA II 算法进行了仿真比较. 实验表明该方法搜索效率高, 向真实Pareto 前沿逼近的效果
好, 获得的解的散布范围广, 是一种求解多目标优化问题的有效方法.

0积分下载，代码运行效果图见压缩包

针对生产与运输两个过程的联合决策,通过分析一类生产-运输批量优化问题,建立的混合0-1整数规划模型整合了多产品多阶段能力约束批量生产和产品运输。其中运输成本由运输工具使用数量决定,当企业内部运输能力不能满足运输需求时可将运输外包,但需支付更高的运输成本。根据此问题的特点,构造改进蚁群算法求解,令其信息素和启发信息都存在0和1两种状态下的不同取值,通过转移概率确定0-1生产准备矩阵,进一步得到生产矩阵和运输计划。仿真实验结果表明在生产批量决策的同时考虑运输,可以减少运输成本,令总费用最小,通过将实验结果与其