本资源包含：阿基米德优化算法、白骨顶鸡优化算法、bianselong群算法、绯鲵鲣优化算法、蜉蝣算法、Coronavirus herd immunity优化、灰狼优化算法、蜜獾算法、鼠妇算法、水母优化算法、算术优化算法、秃鹰优化算法、乌鸦搜索算法、象群优化算法、学生心理优化算法、野马优化器、引力搜索算法、萤火虫优化算法、原子搜索优化算法、樽海鞘优化算法

对一维和二维的粒子群算法进行了简单示例，其中cost_dim1和cost_dim2分别为一维和二维的代价函数，PSO_dim1和PSO_dim2则是一维和二维的粒子群算法主函数。

嵌入遗传算子的改进灰狼优化算法

分享了Bonobo optimizer矮猩猩优化算法源代码及其原文，更多算法可进入空间查看

无约束优化计算、约束优化计算、动态优化计算方法及其程序设计

1.资源内容：粒子群算法的python实现代码 2.粒子群优化算法是一种演化计算技术，来源于对一个简化社会模型的模拟，可用于优化问题 3.可在建模过程中使用 4.适合算法初学者和有相关需求者使用或改进 5.针对不同的目标函数，更改fitness函数即可

分享了Galaxy Gravity Optimization银河引力优化算法源代码及其原文，更多算法可进入空间查看

本代码实现在NS2-allinone-2.3.6中实现了基于蚁群的VAENTs路由算法。

灵感来自于大猩猩部队在自然界中的社会智能，称为人工大猩猩部队优化器（GTO）。在这个算法中，大猩猩的集体生活是用数学公式表示的，并且设计了新的机制来进行探索和开发。为评估 GTO，将其应用于 52 个标准基准函数和 7 个工程问题。Friedman 检验和 Wilcoxon 秩和统计检验在统计上比较了所提出的方法与几种现有的元启发式方法。结果表明，GTO 在大多数基准函数上的性能优于比较算法，特别是在高维问题上。结果表明，与其他元启发式算法相比，GTO 可以提供更好的结果。

受非洲秃鹰生活方式的启发，提出了一种新的元启发式算法。该算法被命名为非洲秃鹰优化算法（AVOA），模拟非洲秃鹰的觅食和导航行为。为了评估 AVOA 的性能，它首先在 36 个标准基准函数上进行了测试。然后进行了一项比较研究，证明了所提出的算法与几种现有算法相比的优越性。为了展示 AVOA 的适用性及其黑盒性质，它被用来为 11 个工程设计问题寻找最佳解决方案。根据实验结果，AVOA 是 36 个基准函数中的 30 个的最佳算法，并在大多数工程案例研究中提供卓越的性能。Wilcoxon 秩和检验用于统计评估，表明 AVOA 算法在 95% 置信区间内具有显着优势。