为解决传统多模盲均衡算法(MMA)在均衡高阶QAM信号时存在的收敛速度慢、稳态误差大等问题,提出了一种基于模拟退火萤火虫优化的小波加权多模盲均衡算法(SA-GSO-WT-WMMA)。该算法在MMA的基础上增加了加权项,并引入了模拟退火萤火虫优化(SA-GSO)算法和正交小波变换(WT),利用加权项自适应地调整算法中代价函数的模值,利用SA-GSO算法极强的全局寻优能力来优化均衡器的初始权向量,利用正交小波变换降低信号的自相关性,有效提高了均衡效果。水声信道仿真实验表明,该算法在降低稳态均方误差和加速收敛速度两方面表现卓越。

萤火虫群智能优化算法（Glowworm Swarm Optimization, GSO）是由K.N.Krishnanand和D.Ghose两位学者在2005年提出的一种通过模拟自然界中萤火虫发光行为而构造出的新型群智能优化算法。它模拟了自然界中萤火虫群中个体通过发光来吸引伙伴或觅食，萤火虫携带荧光素越多，萤火虫越亮，个体的吸引力越强，最终使得大部分萤火虫聚集在最亮的萤火虫所处位置上的这种现象

中国各省、市、区极细地图，geojson 文件，内容丰富，在百度，google地图上验证可用。在百度，google地图上验证可用。

萤火虫群优化 Python中的GSO算法的详细说明和实现glowworm.py --- GSO的实现萤火虫群优化.pdf-GSO报告萤火虫Swarm.pptx-GSO上的Powerpoint演示文稿 群机器人 群机器人技术是一种协调多机器人系统的方法，该系统由大量的大多数简单物理机器人组成。 假定期望的集体行为从机器人之间的相互作用以及机器人与环境的相互作用中出现。 多峰优化 在应用数学中，多峰优化处理的优化任务涉及查找问题的多个（至少局部最优）解决方案中的全部或大部分，而不是单个最佳解决方案。 GSO优化 萤火虫群优化（GSO）是一种基于群智能的算法，由KN Krishnanand和D.Ghose于2005年引入，用于同时计算多峰函数的多个最优值。优化和粒子群优化，但有几个显着差异。 GSO中的物质被认为是萤火虫，它们一起携带着称为荧光素的发光量。 萤火虫将使用目标函数评估的当前位置的

网卡gro、gso功能调试，适用于网卡性能调优

gso

基于GSO-BFA算法的PMSM自适应模糊滑膜控制

google gason的jar包及源码包，另有api文档，对于初用者很有帮助！

GSO群搜索优化算法(Group Search Optimizer)以及它的一个改进算法SGSO算法(Simplified Group Search Optimizer Algorithm)，可用于高维优化问题.

GSO算法matlab代码 %% 算法说明：荧火虫算法(GSO:Glowworm swarm optimisation:a new method for optimising mutlti-modal functions) %% 算法特征:只适用于求极大值(极小值可转化为求极大值) %% =============================================================== clc;%清屏 clear all;%清除变量 format long;%确定精度