路由选择是一种基于网络层的协议，而所有流行的网络层路由选择协议都是基于以下两种典型的分布式算法之一：距离向量路由算法和链路状态路由算法。组合优化问题是人们在工程技术、科学研究和经济管理等众多领域经常遇到的问题，其中许多问题如旅行商问题、0-1背包问题、图着色问题、装箱问题等，都被证明为NP-困难问题。用确定性的优化算法求NP完全问题的最优解，其计算时间使人难以忍受或因问题的高难度而使其计算时间随问题规模的增加以指数速度延长。用近似算法如启发式算法求解得到的近似解不能保证其可行性和最优性，甚至无法知道所得解同最优解的近似程度。因而在求解大规模组合优化问题时，传统的优化算法就显得无能为力了。在过去的10多年，蚁群算法（ACO）的研究和应用取得了很大的进展，大量结果证明了算法的有效性和在某些领域的优势。蚁群算法是一种新型的模拟进化算法, 研究表明该算法具有并行性, 鲁棒性等优良性质。本文阐述了蚁群算法的原理,详细的说明了蚂蚁算法中各个功能模块，并介绍了该算法在理论和实际问题中的应用, 并对其前景进行了展望。 路由算法往往具有下列一种或多种目标: 最佳性、简单性、稳定性、快速收敛性及适应性等。

针对猴群算法中的重要步骤“爬过程”搜索盲目、效率较低的问题,提出了一种用于传感器优化布置的异步爬猴群算法。采用双重编码的方式,克服了原猴群算法只能解决连续变量优化问题的缺陷;利用猴群在搜索过程中的全局最优解和个体历史最优解的信息改进了爬过程的搜索模式,同时将异步变化学习因子引入到搜索模式中,通过调整猴子自身经验和社会群体经验在爬过程中所起的作用,来保持全局搜索和局部搜索的平衡,大幅提高了算法的搜索效率。文末以广州新电视塔为例,进行了参数敏感性分析以及传感器优化布置方案的选择。结果表明,异步爬猴群算法能较好

构建容量受限的旅行商问题模型，加入容量约束，采用蚁群算法优化，matlab实现！

针对旅行商问题(TSP)，提出了一种新的混合量子优化算法――量子蚁群算法。量子蚁群算法采用量子比特的概率幅表示蚂蚁的当前位置，采用量子旋转门更新蚂蚁的位置，选取国际通用的TSP实例库中多个实例进行测试。仿真实验表明，该算法具有很好的精确度和鲁棒性，可使搜索空间加倍，比传统的蚁群算法具有更好的种群多样性。

PSO 粒子群算法 万能代码 matlab 注释详细

蚁群算法最短路径万能matlab源代码.rar

构建含燃气轮机、燃气锅炉、电制冷机等机组的冷热电联供系统优化模型并建立约束条件; 改进粒子群算法，面向多约束目标进行模型求解优化，提高求解的收敛精度、收敛速度和稳定性; 最后利用算例进行结果分析。结果表明改进后的粒子群算法能够同时兼顾系统的经济性和环保性，使系统运行更加优化，为之后的能源供给系统的规划提供前期依据。 资源中的代码注释非常详细，对于刚开始接触这个方向的同学能够起到一定的帮助。

0积分下载，代码运行效果图见压缩包

为了在无线传感器网络中找到一条距离短，节点能量消耗少的最优路径.通过采用“三步递进式”的寻点方法，提出了一种优化的蚁群算法DDEARA.首先，利用动态半径搜索因子寻找下一跳候选节点，能够保证蚁群算法收敛且节点位置分布均匀.其次，引入节点能量预测因子，避免节点能量不足时仍被超负荷使用的不合理现象，即当消耗完某个节点的所有能量，却未能成功传完所有数据.最后，在寻找下一跳候选节点过程中引入方向因子，带有方向性的寻点，避免了反方向的无关节点被选中为下一跳候选节点，减小最优路径距离，节约节点能耗，提高算法寻优效能.仿真结果表明DDEARA算法能够实现蚁群算法动态收敛，相邻节点之间间距适中，节点能耗均匀，过滤反向无关节点，减小最优路径距离，全面提高算法寻优能力，延长无线传感器网络的使用性能和寿命.

0积分下载，代码运行效果图见压缩包