【黏菌优化算法】精英反向与二次插值改进的黏菌算法(ISMA)求解单目标优化问题含Matlab源码

参数辨识是过程建模的基础,提出了一种基于粒子群优化(PSO)算法的模型参数辨识方法,将过程模型的每个参数作为粒子群体中的一个粒子,利用粒子群体在参数空间进行高效并行的搜索来获得过程模型的最佳参数值,可有效提高参数辨识的精度和效率.对火电厂热工过程进行参数辨识的仿真结果表明,利用PSO算法辨识过程模型参数,无论过程模型是否是时滞对象,该辨识方法对过程模型的阶次不敏感,对于不同的输入信号,均能得到满意的辨识精度和效率,因此得到了较为精确的过程模型,模型输出与实际输出基本一致.

提出一种新的自适应粒子群优化算法, 以解决梯度法为基础的算法在进行多参数拟合时因各参数之间相关性较高而带来的拟合上的问题. 该粒子群优化算法采用自适应变异和动态自适应调整搜索范围、惯性权重相结合的改进策略, 数值模拟了将该算法应用于测量薄膜热物性时的多参数拟合, 结果表明该算法是可行和有效的.

基于标准粒子群优化算法的TSP搜索算法

通过WOA鲸鱼优化算法优化神经网络权值参数的仿真，matlab2021a仿真测试。 inputs=input'; targets=target'; m=length(inputs(:,1)); o=length(targets(:,1)); n=10; net=feedforwardnet(n); net=configure(net,inputs,targets); kk=m*n+n+n+o;

通过WOA鲸鱼优化算法测试22个标准目标函数的最小值输出收敛曲线和搜索结果

通过GA遗传优化算法解决TSP商旅优化问题，matlab2021a测试

基于蚁群优化算法的最短路径搜索，matlab2021a仿真测试

基于GA遗传优化算法的LQR控制器最优参数的仿真，在matlab2021a中仿真测试

基于GA遗传优化算法的TSP最优路径算法仿真，matlab2021a仿真 仿真结论如下 初始种群中的一个随机值: 12—>8—>7—>10—>2—>11—>6—>9—>13—>4—>5—>1—>3—>14—>12 总距离：63.0665 ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ 最优解: 9—>10—>1—>2—>14—>3—>4—>5—>6—>12—>7—>13—>8—>11—>9 总距离：29.3405 -------------------------------------------------------------