来源：Li Y, Wang S, Yang H, et al. Enhancing differential evolution algorithm using leader-adjoint populations[J]. Information Sciences, 2023, 622: 235-268. 内容：CEC2017测试集, LADE. 注释：本算法为个人编译，仅供参考.

针对煤矿回采工作面瓦斯涌出的非线性特征,提出一种基于改进量子粒子群优化BP神经网络(IQPSO-BP)的瓦斯涌出量预测方法。鉴于量子粒子群算法的遍历能力有限,采用混沌序列来初始化量子的初始角位置。同时,采用凸函数调整惯性权重,以平衡算法的全局勘探和局部开发能力。并依此来优化BP神经网络的权值、阈值参数,进而建立了瓦斯涌出量预测模型。试验结果表明,IQPSO-BP算法具有较强的泛化能力及较高的预测精度,可有效用于煤矿瓦斯涌出量的预测。

在过去的几十年中，受自然启发的优化算法因其适用于有效解决具有挑战性的优化问题而引起了研究人员的极大关注。 许多智能系统需要一个优秀的约束优化方案来充当人工智能系统。 人工电场算法（AEFA）是一种智能设计的人工系统，其目的是处理功能优化。 AEFA 的工作原理是库仑静电力定律和牛顿运动定律。 本文通过引入新的速度和位置边界策略扩展了 AEFA 算法以解决约束优化问题。 这些边界导致粒子在问题域内相互交互，并且允许它们单独从问题空间中学习。 它们还通过控制粒子的位置更新来帮助在探索和开发之间取得更好的平衡。 使用 AEFA-C 解决了具有挑战性的 IEEE CEC 2017 约束基准集 28 个问题和 5 个多维非线性结构设计优化问题，测试了所提出方案的有效性和效率。 AEFA-C 的比较研究是使用九种最先进的算法进行的，包括一些 IEEE CEC 2017 竞争对手。 比较研究、统计分析和

基于蚁群优化的改进决策树算法研究，张忠坤，周亚建，本文提出了一种新的基于蚁群优化的改进决策树算法(ACODT, Ant Colony Optimization Decision Tree)，该算法充分利用了蚁群算法的信息素反馈和启��

拣货路径优化matlab代码概述 Chapman 等人在提交给 IEEE Transactions on Automatic Control，2021 年 6 月的“通过状态空间增强进行风险敏感的安全分析”中介绍的用于生成图形和工件的分析代码。 依赖关系 计算环境 运行此存储库中的代码需要最新版本的 Matlab。 我们已经在 Windows 10 和 Red Hat Enterprise Linux Server 7.8 版上测试了这个存储库。 安装说明 下载此存储库的副本 使用是下载在 Matlab 中启动和运行所需的所有文件的副本的最简单方法。 我们针对 git v2.8.2.396 测试了这些指令。 这些文件将下载到名为RSSAVSA-2021的文件夹中。 从命令行界面，导航到要下载RSSAVSA-2021 的目录。 然后执行以下命令： git clone https://github.com/risk-sensitive-reachability/RSSAVSA-2021 设置您的 Matlab 工作区 要设置您的 Matlab 工作区： 导航到包含RSSAVSA-2021的

matlab源码

针对环境经济发电调度问题，提出一种基于评价函数的交互式多目标优化方法并结合改进的粒子群优化的求解方法。构造的总体协调度评价函数可以较好地平衡节能和减排2个优化目标。决策者可以通过调整各单目标满意度来体现其主观愿望。该方法克服了多目标向单目标转化过程中权重系数选择的困难，增强了决策方案选择的互动性。对一个含6台发电机组的系统进行仿真分析，结果验证了该方法在求解环境经济调度问题方面的可行性和有效性。

基于GIS_MATLAB_CA的农业景观格局空间优化模型的建立及应用

为有效避免粒子群优化算法后期收敛速度慢的问题，提高寻优能力，设计了一种以自适应方式更新粒子飞行速度的弹性粒子群优化算法，建立了水电优化调度数学模型，提出了弹性粒子群优化算法解决水电优化调度问题的实现方法，包括粒子编码设计、适应度函数设计以及弹性修正值设计，并编制了基于Matlab语言的优化程序．实例仿真结果表明：弹性粒子群优化算法是有效的；相比基本粒子群优化算法和自适应粒子群优化算法，弹性粒子群优化算法求解水电优化调度问题具有更强的全局寻优能力和更快的收敛速度．

【优化求解】基于引力搜索算法GSA求解最优目标matlab源码.zip