研究表明，圈养的麻雀存在两种不同类型：发现者和加入者。发现者在种群中负责寻找食物并为整个麻雀种群提供觅食区域和方向，而加入者则是利用发现者来获取食物。在生活中我们仔细观察会发现，当群体中有麻雀发现周围有捕食者时，此时群体中一个或多个个体会发出啁啾声，一旦发出这样的声音整个种群就会立即躲避危险，进而飞到其它的安全区域进行觅食。这样的麻雀被称为警觉者。 麻雀搜索算法就是利用麻雀的这种生物特性进行迭代寻优的优化算法。 本资源包含以下三部分内容： 1.麻雀搜索算法的基本原理（两篇参考文献），非常适合用来学习。 2.麻雀搜索算法的matlab代码，注释详细，结构清晰。 3.五个群智能优化算法常用的测试函数。

引力搜索算法在2009年被首次提出，是一种基于万有引力定律和牛顿第二定律的种群优化算法。该算法通过种群的粒子位置移动来寻找最优解，即随着算法的循环，粒子靠它们之间的万有引力在搜索空间内不断运动，当粒子移动到最优位置时，最优解便找到了。

启发搜索算法matlab代码

- 在原始BES算法的基础上添加了两种改进策略 - 改进1：将原先固定的控制因子变为自适应控制因子，从而平衡算法前期的全局搜索能力和后期的局部寻优能力 - 改进2：采用折射反向学习机制增加寻找到最优解的概率，提升算法的求解精度和收敛速度 - 仿真图中包含改进后的IBES算法与原始BES算法的比较 - 包含23种测试函数

matlab中补充模代码double_binary_search 该代码脚本在Matlab中实现了双二进制搜索算法，以驱动光学仿真工具Lumerical来找到模式转换器设备的优化结果。 我们考虑了三个优化参数（传输，回波损耗和耦合）。 我们还添加了这样的功能，即该优化结果对制造误差具有10％的容忍度。

智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真

该代码是DFS算法的实现，讲解部分可以查看我的博客

由c++实现，包含dfs，bfs，A*算法，非常的好看，来自我的数据结构课设的一道题。

小区搜索的目的是要保证UE获得系统的时间同步和频率同步,从而能读取系统信息和进行后续的数据传输。本文介绍TDD-LTE小区搜索的算法和步骤,在一定性能的前提保证下完成小区搜索,使得UE解析出小区的ID,这个小区ID对应LTE 系统中504种小区的标识。其算法主要分为三步:主同步信号(PSS)同步、辅同步信号(SSS)同步和频偏估计(FOE)。最后仿真了各个步骤的性能。

智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab代码模型及运行结果