最近已经开发了几种元启发式优化算法来解决现实世界的问题。 本文提出了一种名为亨利气体溶解度优化 (HGSO) 的新型元启发式算法，该算法模仿亨利定律支配的行为来解决具有挑战性的优化问题。 亨利定律是一种基本的气体定律，它涉及在固定温度下溶解到给定类型和体积的液体中的给定气体的量。 HGSO算法模仿气体的拥挤行为，以平衡搜索空间中的开采和勘探并避免局部最优。 HGSO 的性能在 47 个基准函数、CEC'17 测试套件和三个实际优化问题上进行了测试。 结果与七种众所周知的算法进行了比较； 粒子群优化（PSO）、引力搜索算法（GSA）、布谷鸟搜索算法（CS）、灰狼优化器（GWO）、鲸鱼优化算法（WOA）、大象放牧算法（EHO）和模拟退火算法（SA）。 此外，为了评估竞争算法的成对统计性能，进行了 Wilcoxon 秩和检验。 实验结果表明，在解决具有挑战性的优化问题时，与其他算法相比，HGS

经典信源数估计算法，MDL算法，可直接下载运行，好用。

遗传算法综述及简单应用实例的matlab程序课件.pdf

被囊群优化算法，被囊群优化算法(Tunicate Swarm Algorithm,TSA)是Satnam Kaur等提出的一种新的优化算法，它的灵感来自以在深海中成功生存被膜的成群行为，该算法模拟了被囊动物在导航和觅食过程中的喷气推进和群体行为，与其他竞争算法相比，TSA算法能产生更好的最优解，并且能够解决具有未知搜索空间的实际研究案例。

AP聚类算法的源代码，基于matlab程序，有较详细解说

智能优化算法之GOA算法matlab 代码

这个是关于数字水印技术方面的，有代码可以参考

基于遗传算法的一维线阵和二维平面阵相控阵天线的波束优化（Matlab程序）

gpsr算法matlab代码SPARCO：稀疏重建的测试问题 介绍 感谢您下载 SPARCO 工具箱！ SPARCO 是一个用于测试和基准化稀疏重建算法的环境。 它包括一系列出现在压缩感知文献中的稀疏重建问题。 该工具箱也是一个用于实施新测试问题的框架，并包含出现在此上下文中的线性运算符库。 稀疏恢复问题的核心是线性系统 A*x + r = b, 其中 A 是 m×n 线性算子，m 向量 b 是观察到的信号。 目标是找到一个稀疏的 n 向量 x，使得 r 在范数上很小。 请访问 下载最新版本，并查看有关测试问题和操作员的信息。 外包装（可选） SPARCO 预先打包了所有必需的依赖项，但一些测试问题可能依赖于外部包。 如果您希望使用这些特定问题，则只需要安装这些软件包。 基于curvelet 的测试题50-51 依赖于. 安装和设置 启动 Matlab 并确保工作目录设置为包含 SPARCO 源文件的目录。 在 Matlab 提示符下，运行 >> sparcoSetup 此脚本将各种目录添加到您的 Matlab 路径中。 该脚本将尝试将这些目录永久添加到您的路径（在pathdefs.m