corn1949的博客

本文对比了五种智能优化算法（GA、PSO、SA、DE、ACO）在五个标准测试函数（Sphere、Rosenbrock、Rastrigin、Ackley、Griewank）上的表现。通过Python实现各算法核心逻辑，包括遗传算法的选择交叉变异、粒子群算法的速度更新、模拟退火的温度衰减机制、差分进化的变异策略等。实验结果显示，不同算法在不同测试函数上表现各异：PSO在Sphere函数收敛最快，DE在Rastrigin函数表现最优，而SA在高维问题中稳定性较好。这些结果为算法选择提供了参考依据，建议根据具体问题

本文介绍了使用Python实现人工蜂群算法(ABC)解决旅行商问题(TSP)的方法。算法模拟蜜蜂采蜜行为，通过雇佣蜂、观察蜂和侦察蜂三种角色的协作机制进行优化。核心步骤包括初始化食物源(路径)、雇佣蜂邻域搜索、观察蜂轮盘赌选择和侦察蜂随机探索。Python实现部分提供了完整代码，包含距离计算、路径评估和变异算子等关键函数。实验结果表明，算法在20城市TSP问题上能快速收敛到较优解。文章还给出了参数设置建议，指出该算法参数少、实现简单，适合中小规模TSP问题。代码简洁易懂，便于学习和二次开发。

本文针对作业车间调度问题(JSSP)这一NP难问题，提出了一种改进遗传算法(IGA)解决方案。算法采用基于工序的编码方式，结合POX交叉算子和锦标赛选择策略，通过精英保留保证收敛性。在FT06基准测试中，算法能稳定收敛到Makespan=58，接近理论最优值55。MATLAB实现展示了完整的遗传算法流程，包括编码、选择、交叉变异等关键步骤，验证了该改进算法在JSSP问题上的有效性和稳定性。实验结果表明，该算法具有良好的收敛性能和求解质量，为制造系统调度优化提供了实用工具。

本文提出了一种改进鲸鱼优化算法(IWOA)来解决柔性作业车间调度问题(FJSP)。该算法通过离散化处理，将鲸鱼优化算法(WOA)与遗传算子相结合，采用双层编码方案(工序序列和机器分配)来适应FJSP的特性。算法实现了包围捕食、螺旋更新和随机搜索三种优化机制，并通过POX交叉和变异操作提高搜索效率。实验结果表明，IWOA在Kacem基准测试实例上表现良好，能够快速收敛并获得稳定的调度方案。该研究为FJSP提供了一种有效的解决方案，未来可结合强化学习进一步优化算法性能。

本文提出了一种混合粒子群-模拟退火算法(HPSO-SA)用于求解作业车间调度问题(JSSP)。该算法结合了PSO的群体智能搜索和SA的局部逃逸机制，通过离散位置-速度模型适配JSSP问题特性。实验结果表明，HPSO-SA能有效平衡全局探索和局部开发，5次运行平均Makespan为58.4，标准差0.89，性能稳定。文章详细介绍了算法设计、MATLAB实现代码及参数敏感性分析，为JSSP问题提供了有效的混合优化解决方案。

IGWO通过离散化改造成功应用于JSSP，具有结构简单、参数少的优点。三层狼群等级结构天然适合平衡探索与开发。关键字：灰狼优化算法、作业车间调度、高斯变异、IGWO、FT06本文为CSDN原创博客，转载请注明出处。

旅行商问题（Traveling Salesman Problem，TSP）是组合优化中的经典问题：给定若干城市及城市之间的距离，要求从某个城市出发，访问每个城市一次且仅一次，最后回到起点，使总路径长度最短。TSP 属于 NP-hard 问题，当城市数量增大时，穷举法的计算量会急剧膨胀。蚁群算法（Ant Colony Optimization，ACO）是一类受蚂蚁觅食行为启发的群智能优化算法。

MATLAB实现粒子群算法优化tsp问题

MATLAB实现遗传算法优化微网调度

遗传算法求解VRPTW问题MATLAB编程

一种改进蚁群算法优化tsp问题的MATLAB代码(附完整代码)

Python实现星雀优化算法(Nutcracker Optimizer Algorithm, NOA) （附完整代码）

 Python实现多元宇宙优化算法(Multi-Verse Optimizer，MVO)（附完整代码）

 Python实现黄金正弦算法（Golden Sine Algorithm，Gold-SA）（附完整代码）

Python实现蝗虫优化算法（Grasshopper Optimization Algorithm, GOA）（附完整代码）

Python实现风驱动优化算法（Wind Driven Optimization, WDO）（附完整代码）

 Python实现长短期记忆网络（Long Short-Term Memory，LSTM）数值预测(附完整代码)

Python实现觅食搜索算法（Hunting Search, HS）（附完整代码）

Python实现循环神经网络RNN（Recurrent Neural Network, RNN）数值预测(附完整代码)

Python实现蒲公英优化算法 (Dandelion Optimizer, DO)（附完整代码）

 Python实现基于教学的优化器 (Teaching-Learning-Based Optimization, TLBO) （附完整代码）

根茎生长算法 (Rhizome Growth Algorithm, RGA) （附完整代码）

Python实现国际象棋优化算法 (Cheboard Game Optimization, CGO)（附完整代码）

  Python实现壁球优化算法 (Squash Game Optimization, SGO)（附完整代码）

 Python实现酒吧音乐优化算法 (Music-Inspired Optimization Algorithm, MIOA)（附完整代码）

 Python实现等离子体反应优化 (Plasma Generation Optimization, PGO)（附完整代码）

Python实现液体蒸发优化算法 (Evaporation Rate Water Cycle Algorithm, ER-WCA)（附完整代码）

Python实现袋獾优化算法 (Tasmanian Devil Optimization, TDO)（附完整代码）

Python实现白鲨优化算法 (Great White Shark Optimizer, GWSO) 优化函数(附完整代码)

金雕优化算法 (Golden Eagle Optimizer, GEO) 是一种新颖的元启发式优化算法，其灵感来源于金雕在捕猎过程中表现出的两种智能行为：螺旋翱翔探索广阔区域和俯冲加速扑向猎物。该算法于2020年提出，通过数学建模这两种行为，巧妙地平衡了全局探索（Exploration）和局部开发（Exploitation），从而高效地解决复杂优化问题。，其移动方向与攻击向量正交（垂直），允许个体在垂直于最优解方向的超平面内进行随机探索，从而有效避免陷入局部最优。最终，金雕的位置更新是这两种向量的加权和。

Python实现三角龙优化算法 (Triceratops Optimization Algorithm, TOA) 优化函数(附完整代码)

Python实现鸡群算法优化函数(附完整代码)

Python实现猴群算法优化函数(附完整代码)

MATLAB实现遗传算法优化PID(附完整代码)

MATLAB实现改进型麻雀搜索算法(ISSA)(附完整代码)

MATLAB实现增强型鲸鱼算法(附完整代码)

遗传算法实现单货架库位优化

MATLAB实现遗传算法优化风电_光伏_光热_储热优化

MATLAB实现多种群遗传算法

MATLAB实现多种群遗传算法（multiple population GA，MPGA）