莱维飞行改进麻雀算法(SSA)优化BP神经网络回归预测，LevySSA-BP回归预测，多变量输入单输出模型。 评价指标包括:R2、MAE、MSE、RMSE和MAPE等，代码质量极高，方便学习和替换数据。

根据莱维飞行的原理，用python进行了实现。同时，将粒子的飞行轨迹显示在了一个二维区间内，并和布朗运动做了对比。

焊接机器人在工业上被广泛应用,焊接的任务规划直接关系到制造效率的提高.点焊机器人路径规划在仅考虑路径长度时可以简化为焊接顺序的优化问题,即旅行商问题.考虑到旅行商问题是NP完全问题,且是离散问题,提出一种结合莱维飞行的粒子群算法并对其进行离散化以求解此类路径优化问题.焊接机器人路径规划仿真结果验证了所提出方案的合理性和可行性.

四、光栅方程的一般形式与谱线弯曲 在（ 式中所表示的光栅方程，仅是光线在光栅主截面 内入射和衍射的特殊情况。在实际的光谱仪器中，狭缝都是有一 定高度的。从缝上不同点发出的光束都是以不同的角度斜入射到 光栅面上，即这些光束是对主截面倾斜的。经光栅衍射后的衍射 光束显然也不在主截面上，并且其衍射角也不等于在主截面上的、 由狭缝中点发出的光束的衍射角，这就和棱镜一样会导致光谱线 的弯曲。 为求得斜入射情况下光栅的衍射，即光栅方程的一般形式，首 先在光栅上建立一个直角坐标系：把直角坐标系 置于光的原点 平面和光栅表面重合， 轴平栅面的中心； 行于光栅刻痕； 轴即为通过光栅中心的法线， 平面即为主截面。 如图 所示，使狭缝端点发出的斜射主光线 通过坐标 原点，另一条与 点，之平行的相邻光线入射到光栅上的 点的 坐标是 。从 点向 和它的衍射光线 分别作垂线，垂 足 。则和是 是这两条相邻入射光线的光程差， 是两条 相应的相邻衍射光线的光程差，总光程差为

莱维飞行和反馈策略的自适应被囊群算法

基于嵌入莱维飞行的灰狼优化(LGWO)算法的函数寻优算法

智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真代码

融合Levy变异与黄金正弦改进的蚁狮优化算法(ALO)——LGSALO 针对蚁狮优化算法较易陷入局部最优停滞、收敛精度低以及收敛速度较慢等问题，将莱维飞行机制和黄金正弦算法融合到蚁狮优化算法中，该算法利用 Lévy 飞行的变异机制对寻优过程中位置更新方式进行变异操作，可以改善种群多样性，使得算法跳出局部最优，提高全局寻优能力，并在一定程度上避免了算法的过早收敛; 同时引入黄金正弦算法改进精英蚁狮的寻优方式，协调算法的全局探索与局部开发能力。 复现内容包括:文章改进SSA算法实现、23个基准测试函数、文中相关因子分析、与SSA对比等

为了有效解决粒子群优化算法易陷入局部最优的缺陷，在粒子群优化算法（PSO）的基础上引入莱维飞行，提出了一种基于莱维飞行的粒子群优化算法（LPSO）。该算法在迭代过程中对粒子位置进化效果进行判断，若粒子多次迭代后仍无法进化到更优位置，则使用莱维飞行更新粒子位置。改进后的算法增加了粒子位置变化的活力，提高了算法的有效性。仿真实验结果表明，该算法在求解全局最优时，效果优于原始粒子群优化算法，在多峰值函数优化问题中其优越性更加突出。

完整代码，可直接运行