蝙蝠算法是受自然界中的蝙蝠通过回声定位进行搜寻、捕食猎物行为的启发, 并将多智能体系统与进化机制相结合发展而来的优化方法。作为一种新颖的仿生群体智能优化算法, 分析了蝙蝠算法的仿生原理、优化机理及特点, 对算法优化过程进行了定义。通过标准算例对蝙蝠算法在连续空间和离散空间的优化性能进行了仿真测试, 结果表明该算法在函数优化和组合优化方面应用的可行性和有效性, 具有良好的应用前景。

DRL用于微电网能源管理 我们针对微电网的能源管理系统问题研究了各种深度强化学习算法的性能。 我们提出了一种新颖的微电网模型，该模型由风力涡轮发电机，储能系统，恒温控制负载，价格响应负载以及与主电网的连接组成。 拟议的能源管理系统旨在通过定义优先级资源，直接需求控制信号和电价来在不同的灵活性来源之间进行协调。 本文实现了七种深度强化学习算法，并进行了实证比较。 数值结果表明，不同的深度强化学习算法在收敛到最优策略的能力上存在显着差异。 通过将经验重播和第二个半确定性训练阶段添加到众所周知的“异步优势演员评论家”算法中，我们获得了更好的性能，并且在能效和经济价值方面收敛于高级策略。 有关此项目的更多信息，访问： ：

Hex博奕Hex(n)是一种在六边形拼接的n×n棋盘上进行的二人博奕，博奕中二人轮流下红色和蓝色棋子，先构造出一条从一边连到对边的单色路者为胜者。Hex博奕中先手有必胜策略。设δ(n)为Hex(n)中先手能保证获胜所需的最少步数，Garikai Campbell通过研究其他对象间接地证明了δ(n)>n对任意n≥4成立。利用新的方法来分析对称性,给出了δ(n)>n一个直接而简单的证明，并在此基础上利用计算证明了δ(5)=7。

JVM垃圾回收，为大家整理了JVM原理以及各种调优策略

针对穿越沙漠问题的最佳决策和最优策略的建模研究

数学建模 计算机仿真 最优策略 4种策略，准确率的判断

BIMATRIXSTACKELBERG 为双矩阵 Stackelberg 博弈中的领导者和追随者找到最佳策略以及相关的收益。 它实现了 V Conitzer, T Sandholm, "Computing the Optimal Strategy to Commit to", EC'06, Proceedings of the 7th ACM Conference on电子商务，2006 年 6 月 11-15 日，密歇根州安娜堡的定理 2 中描述的算法，美国，第 82 - 90 页。

为了改善旅行商(TSP)优化求解能力,对模拟退火与混合粒子群算法进行改进,引入了自适应寻优策略。交叉、变异的混合粒子群算法,易于陷入局部最优,而自适应的模拟退火算法可以跳出局部最优,进行全局寻优,所以两者的结合兼顾了全局和局部。该算法增加的自适应性寻优策略提供了判定粒子是否陷入局部极值的条件,并可借此以一定概率进行自适应寻优,增强了全局寻优能力。与混合粒子群算法实验结果对比,显示了本文算法的有效性。