使用连续型的灰狼优化算法优化TSP搜索路径，按适应度值排序的索引选择路径。

基于GA遗传优化算法的图像分割matlab仿真+含代码操作演示视频 运行注意事项：使用matlab2021a或者更高版本测试，运行里面的Runme.m文件，不要直接运行子函数文件。运行时注意matlab左侧的当前文件夹窗口必须是当前工程所在路径。 具体可观看提供的操作录像视频跟着操作。

python 实现的一种多尺度协同变异的粒子群优化算法 python 实现的一种多尺度协同变异的粒子群优化算法 python 实现的一种多尺度协同变异的粒子群优化算法 python 实现的一种多尺度协同变异的粒子群优化算法 python 实现的一种多尺度协同变异的粒子群优化算法 python 实现的一种多尺度协同变异的粒子群优化算法 python 实现的一种多尺度协同变异的粒子群优化算法 python 实现的一种多尺度协同变异的粒子群优化算法 python 实现的一种多尺度协同变异的粒子群优化算法 python 实现的一种多尺度协同变异的粒子群优化算法 python 实现的一种多尺度协同变异的粒子群优化算法 python 实现的一种多尺度协同变异的粒子群优化算法 python 实现的一种多尺度协同变异的粒子群优化算法 python 实现的一种多尺度协同变异的粒子群优化算法 python 实现的一种多尺度协同变异的粒子群优化算法

聚类分析的一种改进的动物迁移优化算法

这是一种新的元启发式算法，称为最有价值玩家算法 (MVPA)，用于解决优化问题。 开发的算法的灵感来自于运动员组队的运动，然后这些球员集体（以团队形式）竞争以赢得冠军，他们也单独竞争以赢得 MVP 奖杯。 MVPA 是一种非常有竞争力的优化算法，与许多其他优化算法相比，它收敛速度快（函数评估数量更少）并且更成功（总体成功率更高）。

里面包含有完整的算法代码，可直接运行；GWO甚至有ZD系列测试函数。亲测有效

人工神经网络优化算法研究.doc

在解决组合测试中的测试数据集生成问题时，粒子群优化算法(PSO)在待测数据量增加达到一定程度以后，出现迭代次数增加、收敛速度减慢的缺点。针对该问题，提出了一种应用于组合测试数据集生成问题的基于K-均值聚类的粒子群优化算法。通过对测试数据集合进行聚类分区域，增强测试数据集的多态性，从而对粒子群优化算法进行改进，增加各个区域内粒子之间的影响力。典型案例实验表明该方法在保证覆盖度的情况下具有一定的优势和特点。

一种改进型多目标粒子群优化算法MOPSO-II

【word】 一种全局优化算法：遗传算法—单纯形法.docx