- 博客(252)
- 资源 (1)
- 收藏
- 关注
RSS订阅
原创 Arduino控制舵机详解（含代码）
目录舵机简介 硬件电路连接项目1： 舵机是一种位置（角度）伺服的驱动器。舵机只是一种通俗的叫法，其实质是一个伺服马达。在需要角度不断变化并可以保持的控制系统中应用广泛。如遥控机械人、飞机模型等。 舵机的转动角度为0~180°，其内部结构包括电机，控制电路和机械结构三部分。电机有三根线引出，分别接VCC、GNG和信号线。主要有两种引出线的格式：Arduino 实现功能：舵机0~180°来回转动。3.2 仿真结果图2 舵机连线及仿真图4 项目
2022-07-12 14:04:47
89897
29
原创 一种使用双向长短时记忆网络结合鲸鱼优化算法的类火星矿物元素精确定量分析模型
激光诱导击穿光谱（LIBS）是一种源自原子发射光谱的分析方法，能够从样品中快速获取化学成分信息。由于LIBS信号容易受到自吸收现象、样品基质和各种其他因素的干扰，如果没有适当的数据挖掘技术，定量和定性分析的准确性可能会受到损害。在这项工作中，LIBS与多元分析算法相结合，定量分析矿物的主要元素含量。使用ChemCam和SuperCam团队提供的地质参考样品数据集，引入了一种创新的建模方法，该方法结合了通过鲸鱼优化算法（WOA）改进的双向长短期记忆网络（LSTM）网络。
2026-05-14 15:55:26
461
原创 反对与强化学习-海星优化算法的工程设计与特征选择，附代码
海星优化算法（SFOA）是一种受生物启发的全局优化元启发式算法，它在流行的基准函数中展示了准确性和效率。然而，对于工程设计和特征选择等复杂的实际问题，SFOA仍然需要在探索和利用之间取得更好的平衡，以确保在现实世界应用中具有鲁棒的性能。在本文中，我们提出了一种改进的SFOA算法，名为ORLGSFOA，它将基于反对的学习、强化学习和增长优化器与基本SFOA相结合。该算法首先在初始化时结合了基于反对的学习策略，以提高初始解的多样性和质量。然后，来自增长优化器的更新规则与SFOA杂交，以平衡探索和利用。
2026-05-14 15:10:17
456
原创 Mhoa：多策略徒步优化算法，用于解决工程和数值优化问题
徒步优化算法（HOA）是一种基于托布勒徒步函数数学建模的元启发式方法。由于其具有竞争力的性能，该算法引起了广泛关注，并已在各个领域得到广泛应用。然而，原始的HOA方法存在收敛速度慢、随机性低、种群多样性不足以及探索与开发不平衡等问题。因此，本研究提出了一种改进的HOA（MHOA）以提升其性能。通过引入轮盘赌策略增强全局搜索能力，设计Logistic映射与Tent映射扰动因子的双重映射策略以增加种群多样性，以及采用灵活的位置更新策略以提高收敛精度和速度。
2026-05-14 14:31:57
472
原创 傅里叶变换优化器：一种新的物理启发的优化问题元启发式算法
提出了傅里叶变换优化器（FTO），这是一种结合了离散傅里叶变换（DFT）的频域分析的元启发式框架。该方法通过基于频率的变换驱动解的更新，旨在实现探索与利用之间的更有效平衡。FTO整合了多种增强机制，包括差分频率混合、Lévy飞行扰动、正交学习（OL）以及基于Runge-Kutta（RK）的更新策略，以改善搜索动态。设计。
2026-05-13 14:28:02
471
原创 提出了一种带双向搜索的粒子群优化算法，一种基于双四元数运动优化的新型无人机3D路径规划方法及应用
高效的路径规划对于无人机（UAV）在可变的三维环境中执行复杂且紧急的任务至关重要。然而，传统的路径规划方法无法充分解决旋转运动与平移运动之间的耦合问题，并且欧拉角表示存在万向节锁奇异性问题。本文提出了一种基于双四元数的无人机三维路径规划新方法。通过使用单位双四元数表示无人机的姿态，建立了新的路径规划双四元数优化模型（PPDQOM），并将其转化为无约束的路径规划运动优化模型（PPMOM），有效消除了由两阶段优化引起的误差累积。
2026-05-11 12:12:02
792
原创 还在为创新点发愁？这款基于数学思想的SCI级新算法全新上线，实验结果太能打了！含完整算法及其灵感，配套相关实验代码
做科研，尤其是算法研究，拼的就是创新和时间。这款基于数学思想的算法，我花了大量心血去寻找灵感、撰写代码、进行测试。现在，我将它分享出来，希望能为正在为论文发愁的你，提供一把打开新思路的钥匙。价格亲民，性能卓越，机会难得。完整代码下载（含灵感文档、测试集、对比算法、全套绘图功能）：注意：此算法仅1份，先到先得！出后不退不换。
2026-03-11 11:46:47
405
原创 基于迁移学习与丢弃法的神经网络算法在无人机失移动目标搜索中的应用，含代码
在执行救援任务时，如何尽快找到运动中的失踪目标是一个极具价值且值得深入探讨的研究课题。为在不同先验知识和干扰强度下优化无人机搜索运动失目标的飞行路径，本文提出了一种名为"融合迁移学习与丢弃机制的神经网络算法"的创新优化技术，该算法是受人工神经网络启发的神经网络算法的一种改进变体。为提升神经网络算法的全局搜索能力和收敛性能，算法引入了多重迁移机制、广义平均迁移位置，以及受迁移学习与丢弃法原理驱动的随机丢弃算子。
2026-03-09 11:37:21
724
原创 全局优化的竞争学习混沌神经网络算法,含完整代码
神经网络算法（NNA）是最新提出的元启发式算法之一。由于人工神经网络的独特结构，NNA具有很强的全局搜索能力。进一步地，NNA是一种无需任何努力来微调初始参数的算法。因此，NNA非常容易解决不同类型的优化问题。然而，当用于解决复杂的优化问题时，收敛慢和早熟收敛是其缺点。为了克服这两个缺点，这项工作提出了一种改进的NNA，即具有竞争学习的混沌神经网络算法（CCLNNA），用于全局优化。在CCLNNA中，人口首先根据构建的竞争机制分为优秀分组人口和普通分组人口。
2026-03-09 08:55:38
412
原创 强化学习神经网络算法(RLNNA)提取的光伏模型参数，含完整代码
本研究的重点是人工神经网络（ANNs）在光伏（PV）模型参数提取上的应用。准确提取PV模型的参数对于控制和优化PV系统至关重要。尽管已经提出了许多算法来解决这个问题，但如何准确可靠地提取PV模型的参数仍然是一个很大的挑战。神经网络算法（NNA）是最近报道的一种元启发式算法。NNA受到ANNs的启发。受益于ANNs独特的结构，NNA表现出出色的全局搜索能力。然而，NNA在解决复杂优化问题时面临收敛速度慢和局部最优停滞的挑战。
2026-03-08 21:58:33
465
原创 基于镜面反射学习的全局优化回溯搜索算法，附MATLAB代码
受益于种群、随机性和简单结构，元启发式方法在解决全局优化问题方面表现出优异的性能。然而，在某些情况下，为了获得有希望的解决方案，通常需要修改现有的元启发式方法。这项工作报告了一种新技术，称为镜面反射学习，用于提高元启发式方法的优化性能。镜面反射学习是由物理学中的镜面反射现象驱动的。请注意，基于反对的学习和镜面反射学习之间存在密切的关系。基于反对的学习可以看作是镜面反射学习的一个特例。为了调查镜面反射学习的有效性，采用镜面反射学习来改进回溯搜索算法（BSA）。
2026-03-08 21:44:53
440
原创 基于精英存档驱动的粒子群优化算法，附完整MATLAB代码
粒子群优化（PSO）是一种非常简单且有效的元启发式算法。具有类似行为的搜索算子可能导致搜索空间的多样性丧失。PSO中的所有粒子都采用相同且单一的搜索策略。因此，PSO在解决复杂多模问题时可能会出现过早收敛的问题。为提升PSO的全局搜索能力，本文报告了一种精英档案驱动粒子群优化（EAPSO）。注意，EAPSO只需种群规模和终末病症即可执行搜索任务，这可以使EAPSO区别于其他报道的PSO变体。此外，EAPSO有明确的结构，首先构建三种类型的精英档案，以保存三种不同的层级粒子。
2026-03-08 20:48:56
405
原创 中科院 SCI2 区，面向复杂三维海上风电海域救援的多无人机协同路径规划，
利用Lamb-Ossen模型模拟海风，构建了含海风的3D近海环境模型。其次，本文综合考虑海风、无人机间距等因素，提出了多无人机路径代价函数。同时，提出了一种引导式协同控制机制，形成了一种新颖的多无人机协同路径规划方法。此外，多无人机路径求解采用改进的多维Coati优化算法（MDCOA），通过Levy飞行、微分算子、动态对向学习设计新策略，增加协方差矩阵学习（CML）阶段扩展搜索视角，最后利用MDCOA算法求解不同海上仿真场景下的多无人机路径，算法得到的路径降低了路径代价，与其他算法相比表现出优异的性能。
2026-03-06 13:50:59
559
原创 改进的GWO混合粒子群和灰狼优化器及其在聚类优化中的应用，完整代码获取
灰狼优化器（GWO）和粒子群优化（PSO）算法是两种流行的群体智能优化算法，这两种算法都有自己的搜索机制。基于它们独特的搜索机制和改进后的优势，本文提出了一种基于PSO和GWO的新型混合算法（Hybrid GWO with PSO，HGWOP）。首先，对GWO进行简化，并在简化GWO的搜索过程中嵌入一种新的微分扰动策略，形成具有微分扰动的简化GWO（SDPGWO），从而在保持GWO强大开发能力的同时提高全局搜索能力。
2026-03-03 15:36:07
928
原创 2025年最新改进策略--Experience Exchange Strategy 经验交换策略（EES），附MATLAB完整代码
元启发式优化算法通常基于迭代改变个体位置，导致种群切换搜索区域。这可能导致原始搜索区域没有被深入探索，从而降低算法的优化性能。为了加深种群和个体之间的联系，本文提出了一种称为经验交换策略（EES）的进化策略。EES考虑了个体和种群之间的关系，加深了个体和种群之间的联系。EES已经结构化为三个不同的阶段：经验稀缺阶段（ESC）、经验交叉阶段（ECR）、经验共享阶段（ESH）。在ESC中，由于许多区域没有被搜索，人口缺乏搜索经验，主要依靠原始算法来寻找位置。这可以保留原始算法的优化效果，探索更多的位置。
2026-01-27 21:53:30
861
原创 2025年中科院1区SCI优化算法-Logistic-Gauss Circle optimizer-附Matlab免费代码
利用混沌地图可以使初始种群的分布更加均匀，从而提高了空间探索率。考虑到这些优点，本文尝试设计基于混沌地图的搜索操作，并开发了一种新颖的元启发式算法，称为Logistic-Gauss Circle优化器。该算法将Logistic和Gauss地图合理组合并重新制定为Logistic-Gauss搜索（探索）；将Circle地图重新制定为Circle搜索（开发）。通过这两种操作，所提算法实现了全局优化。通过与5种高质量元启发式算法在10个基准函数上的对比分析，验证了所提算法的性能。
2026-01-27 21:42:04
539
原创 2025年中科院1区SCI-三国优化算法Three Kingdoms Optimization-附Matlab免费代码
现实世界的工程优化问题通常极具挑战性，因为可行区域狭窄、局部最优和复杂的约束。元启发式算法（MA）因其全局搜索能力、灵活性和适应性而在解决这些问题方面显示出希望。然而，MA的一个关键挑战是有效平衡全局搜索（探索）和局部搜索（开发）阶段，这极大地影响了收敛的效率和精度。许多MA需要针对特定问题进行调整来控制收敛行为，从而增加了计算成本和实施工作量。此外，现有的改进通常是针对特定问题量身定制的，缺乏通用性、鲁棒性和可扩展性方面的全面验证。为了克服这些限制，本文提出了一种新的具有增强适应性的高性能优化算法，命名
2026-01-27 21:22:09
627
原创 2025年中科院1区中心碰撞优化算法（Centered Collision Optimizer，CCO）-附Matlab免费代码
本文提出了一种新的元启发式算法——中心碰撞优化器（CCO），其灵感来自经典物理学中的正面碰撞方程。CCO采用统一的位置更新策略，称为中心碰撞策略，该策略同时在原始解空间和非相关解空间中运行。这种双重空间方法显着增强了算法的全局搜索能力，提高了其逃避局部最优的能力。此外，引入了空间分配策略来加速收敛，进一步提高搜索效率。本节介绍了支配物体之间正面对撞的物理定律，并推导了完全弹性、完全非弹性和部分非弹性正面对撞的方程。受这些形成过程的启发——连同它们在不同参考系中的变换以及通过空间变换——我们建立了用于全局优化
2026-01-27 21:02:52
771
原创 2026年1区SCI-波动光学优化算法（Wave Optics Optimizer，WOO)-附Matlab免费代码
随着技术的进步，数值优化问题日益复杂，元启发式逐渐成为应对此类挑战的有效工具。因此，本文提出了一种新颖的元启发式，称为波动光学优化器（WOO）。WOO的灵感来自弗劳恩霍夫衍射实验，该实验揭示了光的波动性质。在WOO中，每个光波对应一个候选解。在优化过程中，解利用光的衍射和干涉效应探索搜索空间，并逐渐向全局最优解（中心亮条纹）移动。具体而言，衍射效应模拟了光波穿过狭缝的传播特性，增强了初始解的多样性，而干扰效应便于群体之间的交流和学习，引导收敛朝向优越区域。
2026-01-27 20:43:49
759
原创 2025年1区SCI-电磁波传播优化算法（Electromagnetic wave propagation algorithm，EMWPA）-附Matlab免费代码
本研究引入了一种新的基于物理的元启发式优化技术，称为电磁波传播算法（EMWPA），该技术对电磁波的传播行为进行建模以实现全局搜索分集，从而改善勘探。该算法采用两个幅度不同的余弦波形，以在全局勘探和局部开采之间建立动态平衡。为了改进传统的基于波的搜索方法，EMWPA集成了提高收敛精度的方向更新机制和防止过早收敛的相位调制策略。
2026-01-27 20:25:27
566
原创 2026年最新SCI1区算法-最优或最劣优化器(Farthest better or nearest worse optimizer,FNO)-附Matlab免费代码
文章提出了一种新颖的元启发式优化算法，即最远更好或最近更差优化器（FNO）算法。FNO算法背后的思想来源于智能体在搜索空间中位置之间的质量和距离。在FNO中搜索的过程包括两个阶段。在FNO的第一阶段，它跳过潜力较低的最近区域以避免局部最优。在第二阶段，算法试图探索潜力较高的最远位置以达到或探索全局最优。这些操作旨在增强人口多样性，并为FNO提供发现高质量区域的机会，同时避免低质量区域。还提出了FNO中的一个结构组件，称为动态聚焦策略（DFS），用于控制探索率。
2026-01-27 20:06:08
936
原创 CEC2024获胜算法mLSHADE-RL:具有重新启动和本地搜索机制的多操作员集成LSHADE
近年来，多算子多方法算法取得成功，这促进了它们在单一框架内的组合。尽管成果令人鼓舞，但仍有改进空间，因为只有部分进化算法（EAs）能在所有优化问题上持续表现优异。本文提出mLSHADE-RL算法，作为LSHADE-cnEpSin（CEC 2017实参数单目标优化竞赛优胜算法之一）的增强版本，通过集成多种进化算法和搜索算子来进一步提升性能。我们在原始LSHADE-cnEpSin中整合了三种变异策略：带存档的DE/current-to-pbest-weight/1、无存档的DE/current-to-pbest
2026-01-27 19:27:11
1381
原创 中科院1区SCI-哲学命题优化算法Philosophical proposition optimizer-附Matlab免费代码
本文介绍了一种受哲学启发的优化算法，称为哲学命题优化器（ΦPO），它基于认识论中的哲学命题对知识获取进行建模。在所提出的哲学模型中，哲学命题的三种发展状态，正当化的真实信念（JTB）、可能错误的信念（PFB）和不合理的真实信念（UTB），使用三种专门的运算符迭代提炼：提供正当化（PJ）、提高形而上学怀疑主义（RMS）和提高认知怀疑主义（RES）。
2026-01-27 17:08:36
705
原创 VS Code 切换/设置 Python 解释器（编译器）
本文介绍了在VS Code中切换Python环境的详细方法，支持Windows/macOS/Linux系统及虚拟环境/Conda环境。主要内容包括：1）准备工作（安装VS Code和Python扩展）；2）快速切换环境步骤（通过命令面板选择解释器）；3）手动指定解释器路径的方法；4）设置默认解释器的全局配置；5）常用场景速查（虚拟环境、Conda、pyenv等）；6）验证环境的方法；7）常见问题解决方案。操作均配有快捷键提示和路径示例，适合多环境开发需求。
2026-01-21 20:56:41
2827
原创 超强性能！人工原生动物优化算法（APO），附MATLAB代码
本研究提出了一种新颖的人工原生动物优化器（APO），其灵感来源于自然界中的原生动物。APO通过模拟原生动物的觅食、休眠和繁殖行为，来模仿其生存机制。我们建立了APO的数学模型，并实现了其元启发式算法的优化过程。通过实验模拟，并与32种先进算法进行比较，验证了APO的性能。研究中采用威尔科克森符号秩检验对APO与先进算法进行成对比较，并利用弗里德曼检验进行多重比较。首先，使用2022年IEEE进化计算大会基准测试中的12个函数对APO进行测试。
2025-12-08 10:07:38
2151
原创 最新中科院2区优化算法——LangEvin方程演化算法，附完整MATLAB代码
基于种群的优化算法在解决复杂的现实问题方面日益突出；然而，由于性能不足、缺乏严格的理论基础和过度依赖隐喻概念，它们经常面临批评。为了克服这些限制，本文介绍了基于朗格文方程（LI）的进化算法，这是一种基于物理定律和种群动力学的新型优化框架。LI采用朗格文方程的数学原理，该方程模拟热波动下粒子的随机运动，以指导全局和局部空间的搜索过程。该算法具有三个创新算子：搜索机制算子（SMO），它使用LangEvin动力学生成新的候选解决方案，以促进有效探索；
2025-12-08 09:52:20
819
原创 累了一天了，奖励自己一个新的改进点：趋势感知机制，附代码
此更新机制依赖于两个历史矩阵：历史搜索位置矩阵和适应度矩阵。是一个大小为 (N, Max_iter, dim) 的三维矩阵，表示 N 个个体在 dim 维问题中跨越 Max_iter 次迭代的搜索位置。相比之下，是一个大小为 (N, Max_iter) 的二维矩阵，记录了相应个体在每次迭代中的适应度值。迭代约束：该机制仅在迭代次数 i > n 时激活，确保至少有 n 代历史数据可用于趋势估计。趋势点计算：通过连接上一次迭代的搜索位置与上上次迭代的搜索位置来构建一条直线。
2025-10-22 19:35:29
980
原创 2025年9月青蒿素黏菌算法，附完整MATLAB代码
这项研究提出了一种新型的仿生元启发式，即青蒿素黏液霉菌算法（ASMA），它将黏液霉菌的自适应觅食行为与青蒿素的趋化特性相结合，青蒿素是一种以其抗疟药特性而闻名的化合物。ASMA通过动态平衡探索和开发的混合机制增强了全局优化性能。代理通过类趋化行为遍历搜索空间，而青蒿素启发的组件引导它们走向有希望的解决方案，从而加速收敛并提高解决方案的准确性。该算法在CEC 2017基准集上进行了评估，并展示了优于几种领先算法的性能。此外，ASMA用于动态频率约束下桁架结构的尺寸优化，这需要大量的特征值计算。
2025-09-22 11:06:19
1348
原创 2025年中科院1区最新优化算法——杜鹃鲶鱼优化器，附完整MATLAB代码
针对数值优化问题提出了一种新的元启发式算法Cuckoo Catfish Optimizer（CCO），它模拟了慈鲷中观察到的搜索、捕食和寄生行为。该算法的早期迭代侧重于执行多维包络搜索策略和压缩空间策略，结合辅助搜索策略有效地限制慈鲷的逃逸空间。该阶段确保了对解空间的广泛探索。在迭代的中间阶段，该算法使用过渡策略来促进从探索到开发的平稳过渡，赋予算法一定程度的探索能力和开发能力。在后期阶段，该算法利用混沌捕食机制在慈鲷周围制造扰动，以提高最优解的利用。
2025-09-22 10:24:35
1797
原创 25年一区新算法！薛定谔优化器：用于随机优化和工程挑战的量子对偶驱动元启发式
本文介绍了薛定谔优化器（SRA），这是一种新的元启发式算法，由量子力学原理驱动，特别是薛定谔方程和波粒二象性。SRA拥有平衡概率探索和确定性利用的孪生更新机制，便于在高维、复杂的搜索空间中进行有效导航。该算法在CEC 2019（低维）、CEC 2017（50D和100D）、CEC 2022（20D）等基准套件和八个真实世界的工程设计优化问题上进行了广泛的测试。与最先进的受物理启发和先进的元启发式算法的比较测试揭示了SRA的卓越性能。
2025-09-04 11:27:40
1986
原创 25年全新改进算法—混合樽海鞘开普勒优化算法，Salp Swarm–Kepler Optimization Algorithm, SSAKOA附完整MATLAB代码
可再生能源（RES）和电动汽车（EV）的快速扩散给现代微电网的优化设计和能源管理带来了重大挑战。本研究提出了一种新型混合元启发式，即Salp群-开普勒优化算法（SSAKOA），它将Salp群算法的全局探索能力与开普勒优化算法的基于轨道的开发效率协同结合。所提出的算法首先在一套23个标准基准函数上进行了严格评估，以验证其相对于已建立的元启发式的收敛行为、鲁棒性和解决方案质量。随后，SSAKOA被应用于包括光伏板、风力涡轮机、电池存储、氢气子系统（电解槽、氢气罐和PEM燃料电池）和双向电动汽车充电能力的并网混合
2025-08-31 14:28:18
1342
原创 2025年最新黑胸无刺蜂优化算法，附完整免费MATLAB代码
本文提出了一种基于无刺蜂（Tetragonula carbonaria）筑巢及调节蜂巢温度行为的新优化问题求解方法。无刺蜂优化算法（Tetragonula Carbonaria Optimization Algorithm，简称TGCOA）模拟了该蜜蜂在三种不同温度条件下的行为：低温时通过加固蜂巢结构来维持稳定、中温时以螺旋方式建造蜂巢、高温时通过稳定蜂巢环境来保持平衡。这些与温度相关的策略在解空间中动态平衡了全局开发与局部探索，从而实现更高效的搜索。
2025-08-31 13:59:12
932
原创 2025年8月新算法—云漂移优化算法（Cloud Drift Optimization Algorithm, CDO）
这项研究介绍了云漂移优化（数位长）算法，这是一种创新的自然启发的元启发式方法来解决复杂的优化问题。CDO模仿受大气力影响的云粒子的动态行为，在探索和利用之间取得了微妙的平衡。它具有自适应权重调整机制，可以改变云的实时漂移行为，从而在搜索空间中进行高效导航。使用基于云的漂移策略，数位长利用概率运动更有效地在优化环境中机动。该算法经过了各种既定的单峰和多模态基准函数的严格测试，与当代顶级优化技术相比，它展示了卓越的性能，具有更快的收敛速度、高鲁棒性和卓越的解算精度。
2025-08-21 20:16:15
1393
原创 求解大规模多旅行商问题的混合离散长鼻浣熊优化算法，附完整代码
旅行商问题（TSP）是一个经典的组合最佳化问题，也被归类为NP难问题。多个旅行商问题（MTSP）代表了TSP的一个变体，与TSP相比更加复杂，具有更大的实际意义。MTSP在机器人、交通和网络等各个领域都有广泛的应用。同样，MTSP也是一个NP难问题。MTSP的优化目标是最小化所有旅行商的路径长度之和。为了解决这个问题提出了一种混合离散长鼻浣熊优化算法（HDCOA）。最初，采用扇区划分方法预先分配城市节点给每个销售员。
2025-08-14 19:25:29
1015
原创 算法应用上新！自适应更新策略差分进化算法求解球形多飞行器路径规划问题，附完整MATLAB代码
文章解决了球形多飞行器路径规划问题（SMAPPP），该问题旨在模拟未来探索地外行星或导弹轨迹的航天器路径规划研究。差分进化（DE）算法是一种经典的元启发式算法，应用于SMAPPP时不会产生令人满意的结果。受DE全局和局部搜索能力不平衡的约束，本文提出了一种自适应更新策略差分进化算法（SaUSDE），以增强其求解全局优化问题的性能。SaUSDE算法融合了四种截然不同的DE变体策略。在这些策略中，算法自适应且频繁地针对不同问题选择更合适的策略，从而有效地平衡全局和局部搜索能力。
2025-08-14 11:49:44
1724
1
原创 2025年受自适应差分进化-无人机路径规划的统一元启发式框架-附Matlab完整代码
与通常从单一生物或集体行为中汲取灵感的传统元启发式算法不同，本文从整体自然角度引入了一种新颖的元启发式方法。借鉴生物进化、种群内集体行为和生态系统自我调节机制的原理，所提出的算法被称为自然启发自适应差分进化（NIADE）。通过整合多种策略和全局优化概念，NIADE有效地解决了以众多相互作用变量为特征的复杂问题，从而克服了现有算法固有的限制，这些限制主要依赖于单一策略或局部优化方法。这种集成为解决复杂的优化挑战提供了创新途径。该算法的性能使用CEC2017和CEC2022的基准函数进行评估，并与七种主要算法
2025-08-12 17:47:27
1337
原创 2025年最新豺优化算法Dhole optimization algorithm-附Matlab免费代码
本文介绍了豺优化算法（DOA），这是一种创新方法，灵感来自豺的社交和狩猎活动，特别是他们的声音交流和协调技术。DOA模拟独特的行为，包括发声驱动的自适应决策和动态包形成，这些行为改善了优化过程中探索和开发之间的平衡。除了CEC-2019和CEC-2022基准集之外，还使用23个经典基准函数以及一系列现实世界的优化问题来评估DOA的功效。研究结果表明，相对于已建立的元启发式算法，DOA经常获得竞争性能，在收敛时间和鲁棒性方面经常超过它们，特别是对于复杂的高维问题。
2025-08-12 17:19:50
1329
原创 2025年中科院2区红杉优化算法Sequoia Optimization Algorithm-附Matlab免费代码
提出了红杉优化算法（SequoiaOA），这是一种受红杉森林生态系统自我调节动力学和弹性启发的新型元启发式方法，不同于传统的奇异生物学或现象学灵感。开发一个全面的生态系统驱动框架，包括数学建模、系统分析和通过CEC基准测试和多约束工程问题进行验证。当前的元启发式算法通常局限于来自单一视角、孤立的生物行为或个体现象的灵感，导致了推动本研究的内在局限性。与传统方法不同，本文从生态系统的角度探索复杂的生物系统，并进行全面的系统建模、分析和算法创新。
2025-08-12 16:57:56
1466
原创 上新！相量粒子群优化：PSO的一种简单有效的变体
粒子群优化器是一种著名的高效的基于种群和控制参数的算法，用于不同问题的全局优化。本文重点研究了PSO的一个新的初级样本，称为相量粒子群优化（PPSO），它是基于相位角（θ）的粒子控制参数建模，灵感来自数学中的相位角理论。这种相位角（θ）将PSO算法转换为自适应、三角、平衡和非参数的元启发式算法。PPSO的性能在包括单峰和多模态标准测试函数以及传统基准函数在内的实参数优化问题上进行了测试。在基本的 PSO（Kennedy 和 Eberhart 1995），每个粒子群的粒子都有一个当前位置向量和一个当前速度向量
2025-08-01 13:03:12
1149
原创 改进PSO算法！新自组织分层粒子群优化算法，具有变化的时间变化加速系数，附完整代码
粒子群优化（PSO）是自组织分层 PSO 与时间变化加速系数（HPSO-TVAC）的结合，由 Ratnaweera 和 co-authors [1] 提出，是一种有效的模型，由 Eberhart 和 Kennedy [2] 在 1995 年引入，受到中央动物群体（如鱼群）的启发，这些动物通过群体行为解决优化问题。在最近的研究 [3, 4] 中，建议 PSO 算法中的全局和整体搜索能力比 (2) 更好，以便从局部最优中逃脱并找到最佳值，如第 r 部分所示，在每次迭代的优化过程中，粒子的位置和速度。
2025-08-01 12:41:09
845
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人