蜣螂优化算法(dung beetle optimizer，DBO)是JiankaXue 和Bo Shen 在2022 年提出的一种新型群体智能优化算法[1]，其灵感来自于蜣螂的滚球、跳舞、觅食、偷窃和繁殖行为。该算法同时考虑了全局探索和局部开发，从而具有收敛速度快和准确率高的特点，可以有效地解决复杂的寻优问题。本文将对该算法进行原理讲解及程序实现。
2025-05-14 11:54:58
3.56MB
1
运用粒子群算法实现对几种测试函数最优解的搜寻，可对算法进行改进，提升算法的寻优性能。
粒子群算法几种改进方法：
1.权重改进：非线性权重、自适应权重等。
2.学习因子：学子因子动态调整
3.速度更新改进
4.加入新算子等等。
2023-03-06 15:43:26
752KB
1
基于MATLAB编程，利用PSO寻找函数全局最优（可自行扩展）；
代码注释多，简化强，仅一重循环，便于理解PSO算法编程
2022-12-26 11:25:24
2KB
1
基于遗传算法和非线性规划的函数寻优法以及相关代码及教程讲解
由于网速不稳定，里边教程需要高清版可以另找我要。
2022-10-26 14:22:35
3.47MB
1
经典的非线性规划算法大多采用梯度下降的方法求解，局部搜索能力较强，但是全局搜索能力比较弱。遗传算法采用选择交叉变异进行搜索，全局搜索能力较强，但是局部搜索能力弱。本代码结合了两种算法的优点，一方面采用遗传算法进行全局搜索，一方面采用非线性规划算法进行局部搜索，已得到全局最优解。
2022-10-25 11:42:32
44KB
1
- 采用改进Tent映射进行种群初始化
- 领导者位置更新阶段，采用自适应权重因子和Levy飞行策略
- 追随者位置更新阶段，采用非均匀高斯变异算子和贪婪选择策略
- 附带word文档详细阐述了所用的改进策略
- 包含与原始SSA算法的对比
- 包含23种测试函数
2022-06-06 21:06:23
2.4MB
- 基于原始樽海鞘算法的函数寻优算法
- 包含23种测试函数
- 方便进行扩展，加一些种群初始化策略和自适应权重策略很容易提升性能
- 注释详细
2022-06-06 17:06:00
6KB
黄金正弦算法(Golden sine algorithm, Gold-SA)是Tanyildizi等人于2017年提出的新型元启发式算法，该算法的设计灵感来源于数学中的正弦函数，该算法利用数学中的正弦函数进行计算迭代寻优，其优点是收敛速度快、鲁棒性好、易于实现、调节的参数和运算符少。
2022-05-26 09:11:32
766KB