(1条消息) 2021年提出的若干个智能优化算法-附MATLAB代码_Frank,Y的博客-CSDN博客_最新的智能优化算法.html

仿真平台：MATALAB Untitled是主函数运行，其余子函数 电热综合能源系统的动态定价问题，采用主从博弈方法 上领导者问题上，以综合能源系统整体的收益作为目标函数，考虑电价以及热价等相关约束，在下层运营商和负荷聚合商作为跟随者，构建了领导者-跟随者Stackelberg博弈模型，同时还考虑了系统的功率平衡条件以及热能平衡条件等约束，模型的上层求解采用智能随机优化算法，下层求解采用CPLEX求解器，程序运行时间423.73s，考虑该代码具有一定的创新性，适合新手学习以及在此基础上进行拓展，代码质量非常高 解决了多主体间交互问题

智能优化算法课程 ML机器学习入门 神经网络基础 智能优化算法-BP神经网络基本原理简介

受美国帝王蝶迁徙行为的影响，Wang等提出帝王蝶优化算法(Monarch Butterfly Optimization, MBO)。MBO有2个算子：具有局部搜索能力的迁移算子和具有全局搜索能力的调整算子。目前针对MBO算法的应用领域相对较少，读者可根据自己意愿对其进行改进或将其应用在不同的研究方向。

应用粒子群优化(PSO)算法对电力系统的机组优化组合问题进行研究,介绍了算法原理,分析了算法中各个参数的不同取值对算法搜索能力和收敛速度的影响,并以常用的测试函数进行验证,建立了相应的数学模型,并以IEEE3机6节点电力系统为实例进行研究。分析结果表明,PSO算法较之常用的遗传算法和混沌优化等算法,在算法结构、计算时间、搜索区间控制以及收敛速度等方面具有较好的特性,验证了该方法的有效性。

Smell Agent Optimization (SAO)（2021年提出）（智能优化算法matlab代码）（论文）.zip 本文介绍了对一些 CEC数值优化基准函数的称为气味代理优化 (SAO)的新元启发式算法的广泛研究 和混合可再生能源系统（HRES）工程问题。SAO 实现了气味代理和蒸发气味分子的对象之间的关系。这些关系被建模为三种独立的模式，称为嗅探模式、尾随模式和随机模式。当气味分子从气味源向代理扩散时，嗅探模式模拟代理的气味感知能力。尾随模式模拟代理跟踪气味分子的一部分直到其来源被识别的能力。然而，随机模式是代理用来避免陷入局部最小值的一种策略。对 37 个常用的 CEC 基准函数和 HRES 工程问题进行了测试，并将结果与​​其他 6 种元启发式方法进行了比较。实验结果表明，SAO 可以在 76% 的基准函数中找到全局最优值。同样，统计结果表明，SAO 也获得了最具成本效益的HRES 设计与基准算法的比较。 针对 CEC 基准功能和混合再生能源系统（HRES，提出了一种新的启发式算法——嗅觉代理优化（Smell Agent Optimization，SAO）工程优化问

COOT_optimization_algorithm（2022年提出、COOT智能优化算法+论文）（matlab）.zip

GTO（Artificial gorilla troops optimizer）（matlab智能优化算法）(2021).zip

为了快速理解免疫遗传算法，以图片拟合为背景，使用python实现免疫遗传算法的手动实现，详细解析请查看我的博客：https://editor.csdn.net/md?not_checkout=1&articleId=124096240

测试函数优化算法，CEC2017测试源代码，CEC2019测试函数源代码，包含pdf