对BBO算法进行了改进；并将改进的BBO算法应用到 1.系统辨识；2.PID控制器参数整定；3.正丁烷异构化学反应动力学模型参数辨识及操作条件优化。

针对复杂图像的分割问题，提出一种基于生物地理学优化（biogeography-based optimization，BBO）算法的二维交叉熵多阈值图像分割方法。根据二维直方图斜分法得出交叉熵阈值选取公式，并将此推广到多阈值分割，以求得多个极值提高分割效果。由于二维交叉熵法在多阈值分割时计时长、复杂性高等问题，引入BBO算法的思想，实现对多个阈值快速精确的寻优。最后，对标准图像进行分割以验证该算法，结果表明此算法比二维交叉熵穷举法计算效率高。

利用BBO算法来优化网络负载均衡，达到很好的效果，比传统方法优越。很适合正在用智能算法优化网络映射的学者。

以下混沌图已集成到 BBO 算法中： 切比雪夫地图圆形地图高斯/鼠标图迭代映射物流地图分段图正弦图歌手地图正弦图帐篷地图 CBBO1 到 CBBO10 有混沌选择算子 CBBO11 到 CBBO20 有混乱迁移算子 CBBO21至CBB30具有混沌突变算子 CBBO31至CBBO40结合了混沌选择和迁移算子 CBBO41 到 CBBO50 结合了混沌选择、迁移和变异算子 请注意，除主文件外，其他文件最初由 Dan Simon 教授编写，但由我们修改以开发 CBBO 算法。 您可以在以下位置找到 BBO 算法的原始源代码： http : //academic.csuohio.edu/simond/bbo/ CBBO算法是以下论文的源代码： 主要论文： S. Saremi、S. Mirjalili、A. Lewis，基于生物地理学的混沌优化，神经计算和应用，印刷中，2014 年，Spr

我对生物地理学优化算法的研究和经验分享；帮助入门者更快的理解BBO算法。用生动形象的描述对算法的寻优机制进行阐释。

一个关于学习生物地理学算发的程序，方便菜鸟