任意维度欧几里得斯坦纳最小树的启发式 欧几里得斯坦纳最小树 (ESTP) 问题寻求一个总边长最小的网络，该网络跨越一组 n 个端点，同时允许插入额外的点（斯坦纳点）以减少网络的总长度。 该软件使用启发式方法为任何维度和几乎任何规模的问题实例找到 ESTP 的解决方案（轻松解决 n>10000）。 有关此方法的详细说明，或者如果用于已发表的研究，请参阅 。 AE Olsen、SS Lorenzen、R. Fonseca 和 P. Winter。 编译 $ cd src $ make 可执行文件取决于系统 PATH 中来自的 qdelaunay 可执行文件。 一个易于遵循的解释。 用法 esmt-heuristic esmt [options] esmt-heuristic test esmt [options] esmt-heuristic te

完整代码，可直接运行

应急物资管理制度，仓库消防应急物资保管与发放管理办法.doc

EM 是一种灵活有效的基于种群的元启发式算法，用于搜索全局优化问题的最优解，由 Birbil 和 Fang 在 2003 年提出。它基于电磁理论的吸引力-排斥原理，其中种群被认为是带电粒子分布在解空间内。

工程优化中的元启发式和进化算法，元启发式算法是独立于问题的算法，一般起源于自然观测，常见有遗传算法，粒子群优化等，本书对于目前性能最好的一系列算法基本进行介绍。

这是元启发式算法Novel Bat Algorithm (NBA) 的演示。 与基本的蝙蝠算法（BA）不同，NBA中不同的个体有不同的搜索策略，并且在NBA中也嵌入了自适应的局部搜索策略。 从这个意义上说，NBA 是一种多群自适应算法。 模拟和比较显示了NBA在许多元启发式算法上的优越性。

旅行商问题的启发式算法 遗传算法 生成染色体的随机种群 计算每个染色体的适应度 重复步骤 使用选择方法选择父母对 以概率 Pc 通过对父母的交叉生成一个孩子 通过以概率 Pm 交换基因来突变孩子 使用精英主义用新的人口替换当前的人口 代表 - TSP 每条染色体都是问题的一个解，由一组基因组成 每个基因代表一个城市 每条染色体只包含一个基因一次 交叉 从旧人口中选择给父母锦标赛选择（替代轮盘，基于奖励） 随机选择要从第一个父级继承的部分并完成第二个父级的缺失部分 突变 根据突变率，有可能在遗传的每个染色体中交换两个基因 替代使用 k-opt 交换 蚁群优化 在起点生成蚂蚁种群 移动每只蚂蚁直到全部到达目标点并返回起点 蚂蚁配置信息素在那里移动到点之间 信息素在每个点蒸发。 在较长的路径上，信息素蒸发得更快 产生新的种群并重复 代表 - TSP 以随机城市为起点生成蚂蚁种群 移动图表上

共生生物搜索 (SOS) 是一种新的基于种群的元启发式算法。 SOS 是一种简单而强大的优化算法。 然而，与大多数元启发式算法不同，它不需要用户调整任何特定于算法的控制参数。 实现了SOS的MATLAB函数代码，可在此下载。 代码中还包含了总共 26 个基准函数，因此，用户可以研究 SOS 在解决这些函数时的性能，或者可以将其与其他元启发式算法进行比较。 SOS 首次出现在 Min-Yuan Cheng, Doddy Prayogo 的文章中。 (2014)。 “共生生物搜索：一种新的元启发式优化算法”。 计算机和结构。 http://dx.doi.org/10.1016/j.compstruc.2014.03.007

用人工智能领域中经典的启发式算法实现了人工智能中的十五数码问题。包括详细的实验报告和源代码，源码由C#可视化编写，debug中有编译好的程序，界面友好。另注：船院6系学生不要下载，避免雷同。

biaoding_标定_拟合_温度优化_启发式算法_插值_源码.rar