本文介绍了一种基于和声搜索算法（HSA）的多级阈值（MT）算法。 HSA 是一种进化方法，其灵感来自音乐家在演奏时即兴演奏新和声。 与其他进化算法不同，HSA 展示了有趣的搜索能力，同时保持低计算开销。 所提出的算法将来自图像直方图中可行搜索空间的随机样本编码为候选解决方案，而考虑到 Otsu 或 Kapur 方法采用的目标函数来评估它们的质量。 在这些目标值的指导下，候选解集通过 HSA 算子演进，直到找到最佳解。 实验结果证明了所提出的数字图像分割方法的高性能。 ****每种方法（OTSU 或 KAPUR）的主文件是 Mth.HS1.m**** 提出的算法发表在： Diego Oliva、Erik Cuevas、Gonzalo Pajares、Daniel Zaldivar 和 Marco Perez-Cisneros，“基于和谐搜索优化的多级阈值分割”，应用数学杂志，第一卷。 201

针对0-1 背包问题, 提出一种二进制修正和声搜索算法. 该算法修正了即兴创作过程, 对参数PAR进行动态调整, 同时提出一种随机修复机制, 有效修复不可行的和声, 增强算法的局部搜索. 采用一种可行和声初始化方式, 保证初始和声都是可行的, 整个搜索过程完全采用0-1 二进制模式, 对14 个0-1 背包问题进行测试. 将所提出算法与其他算法进行比较, 结果验证了所提出算法的有效性.

代码在Visual Studio2010上编译通过，运行方法直接将附带的51个城市数据复制进入控制台即可运行出结果。

为能够应用和声搜索算法(HSA)高效求解作业车间调度问题(JSSP)，提出一种新的差分和声搜索算法(DEHSA)。首先，针对和声函数连续而工序离散现象，设计了排序工序数量转换法，将浮点数的和声转换成工件序列；其次，为提高HSA的收敛速度，改进了HSA的进化模式，不仅是替换一个最差解，还提出了和声变量进化时依赖于当前最优解的“导优”概率；最后，将差分进化算法(DEA)引入到HSA中，克服了HSA方向性差和后期停滞的现象。仿真实验结果表明，DEHSA在求解JSSP上具有可行性和有效性。

和声2 pyHarmony搜索 作者 杰弗里·费尔柴尔德 执照 本软件在 . 有关许可证的确切文本，请参阅单独的文件。 如果您使用此代码，您有义务提供归属。 关于 pyHarmonySearch 是和声搜索 (HS) 全局优化算法的纯 Python 实现。 HS 是一种元启发式搜索算法，类似于模拟退火、禁忌和进化搜索，它基于现实世界的现象。 具体来说，HS 模仿爵士乐队一起即兴表演。 礼貌 ： 在 HS 算法中，每个音乐家（= 决策变量）一起演奏（= 生成）一个音符（= 一个值）以找到最佳和声（= 全局最优）。 pyHarmonySearch 支持连续变量和离散变量，并且可以利用 . 要求 此代码不依赖于任何 3rd 方软件。 它只需要 Python 2.7 或更高版本。 安装 pyHarmonySearch 在 PyPI 上可用。 安装使用： pip install pyHarmonySearch 从源安装： python setup.py install 使用此代码 包括五个例子。 前三个示例 (, , 和 ) 是彼此的变体，它们找到了简单二维函数的全局最大值。 第四个示例 ()

智能优化算法、ZDT1函数、matlab

matlab和声搜索的源程序，希望对大家有点作用

和声搜索算法MATLAB程序，适应度函数可替换。为了让小伙伴们看懂，标准的比较详细，希望能够帮助到大家。

和声搜索算法是一种启发式优化算法,针对现有改进的和声搜索算法(IHS)的不足,提出了一种混沌自适应和声搜索算法(CAHS)。在该算法中,首先采用混沌策略初始化种群,然后采用自适应的和声保留概率、音调调节概率和音调调节步长产生新解,每次迭代产生多个新解,充分利用和声记忆库的信息。如果算法停滞,则采用混沌变异机制。本文用5个标准的测试函数对该算法进行测试,结果表明该算法(CAHS)比IHS和AHSPSO算法有较强的寻优能力和跳出局部最优解的能力。

将和声搜索算法与杜鹃搜索混合，以进行全局数值优化