针对混合储能微电网调度优化问题，建立并网状态下经济收益、污染处理费用的混合储能微电网多目标优化模型.以基本烟花算法为框架，结合灰熵并行分析理论，提出一种多目标灰熵烟花算法.所提算法通过分配给模型的两个目标不同的熵值权重，有效处理不同目标间的冲突性.以灰熵并行关联度作为烟花算法的适应度选择优秀烟花个体，引导其向更优区域进化搜索.仿真结果表明，所提多目标灰熵烟花算法的性能要优于基于随机权重和基于Pareto支配的烟花算法，且优于经典的NSGA-Ⅱ多目标算法，验证了所建多目标模型及所提多目标算法的有效性.

，为增强型烟花算法，为智能算法爱好者提供参考

通过模拟烟花爆炸的方式来进行多点同时爆炸式搜索，这也许是一种高效的搜索方式，是有别于现有其他方法的新型搜索方法，从而有了研究这种爆炸搜索方式的想法，当时为其取名烟花算法(fireworks algorithm，FWA)。 虽然烟花算法这个名称比较直观和简洁，但是由于它没有直接与优化等求解问题建立直接的联系，此后有些研究人员有时也用其他别称来称呼我们的烟花算法，如烟花优化算法、烟花爆炸算法、烟花爆炸优化算法、烟花爆炸搜索算法、爆炸搜索方法等。尽管有这些不同的别称，这里统一采用原始的名称烟花算法，以免混淆。 ———————————————— 版权声明：本文为CSDN博主「流云挽」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。 原文链接：https://blog.csdn.net/QS77258/article/details/124059890

【达摩老生出品，必属精品，亲测校正，质量保证】 资源名：烟花算法MATLAB程序实例，可以运行出结果 资源类型：matlab项目全套源码 源码说明： 全部项目源码都是经过测试校正后百分百成功运行的，如果您下载后不能运行可联系我进行指导或者更换。 适合人群：新手及有一定经验的开发人员

比例积分微分（PID）控制器由于其简单性和实用性而成为使用最广泛的控制器之一。 为了设计高质量的PID控制器，提出了一种基于自适应原理和双峰高斯函数的先进烟花算法，通过参数调整来优化PID控制器。 首先，制定了优化性能的综合指标，然后提出了PID控制系统的极值优化方法。 其次，建立了结合AFW的PID参数整定模型。 最后，通过AFW和对比度调整方法，如Ziegler-Nichols方法，Enhanced Fireworks（EFW）算法和粒子群优化（PSO），对5种典型的传递函数进行仿真，以获得最优参数。 仿真结果表明AFW是有效的，是解决不同传递函数的PID控制问题的简便方法。

针对烟花算法(FA) 寻优过程中粒子间信息交流少、对最优点位置不在原点和原点附近的目标函数求解能力差的缺点, 提出带有引力搜索算子的烟花算法(FAGSO). 算子利用粒子间相互引力作用对粒子维度信息进行改善, 以提高算法的优化性能. 6 个标准和增加位置偏移测试函数的仿真结果表明, FAGSO相比于FA、粒子群算法和引力搜索算法, 在寻优速度和寻优精度方面有更好的优化性能.

这是基于改进Fireworks优化的深度信念网络的极限学习机的滚动轴承亚健康识别的Matlab版本的部分实现 Rolling Bearing Sub-Health Recognition via Extreme Learning Machine Based on Deep Belief Network Optimized by Improved Fireworks 算法： PSO-MCKD FWA-MCKD

【智能优化算法 】基于烟花算法求解单目标优化问题含Matlab源码.zip

烟花算法是最近提出的一种效率较高的优化算法，已被用于求解众多的优化问题。 给出利用烟花算法求解非线性方程组的方法。 实验表明，所提出的算法对于求解变量耦合的非线性方程组比其他算法占有优势，进一步分析存在优势的原因。

烟花算法对Ackley测试函数的python实现