多车辆合乘问题的两阶段聚类启发式优化算法.pdf

樽海鞘群算法SSA.zip

风力驱动优化（WDO）算法是一种新型的基于大气运动的自然启发式全局优化方法。 风驱动优化 (WDO) 技术是一种基于群体的迭代启发式全局优化算法，用于多维和多模态问题，能够在搜索域上实现约束。 在其核心，一群无限小的气团按照牛顿第二运动定律在 N 维搜索空间中导航，牛顿第二运动定律也用于描述气团在地球大气中的运动。 与类似的基于粒子的算法相比，WDO 在速度更新方程中使用了附加项（例如重力和科里奥利力），提供稳健性和额外的自由度来微调优化。 除了 WDO 的理论和术语外， www.thewdo.com还提供了用于调整 WDO 参数的数值研究。 WDO 进一步应用于www.thewdo.com上列出的电磁优化问题。 这些示例表明，在某些情况下，WDO 可以胜过其他众所周知的技术，例如粒子群优化 (PSO)，并且 WDO 非常适合具有离散和连续值参数的问题。 有关风驱动优化算法的详细说明，

•一种混合元启发式优化算法，结合了萤火虫和粒子群算法的优点。 •通过控制先前的全局最佳适应值提出局部搜索策略。 请引用： İbrahim Berkan Aydilek，一种用于计算昂贵的数值问题的混合萤火虫和粒子群优化算法，应用软计算，第 66 卷，2018 年 5 月，第 232-249 页

自然启发式优化算法的非凸压缩感知

覆盖路径规划是割草机的重要问题之一，这给我们的生活带来了极大的便利。 本文采用分层划分策略来完成机器人的环境建模，并采用双重启发式优化算法来规划最优覆盖路径。 蚁群优化（ACO）用于上层的全局路径规划，禁忌搜索（TS）用于下层的局部覆盖范围规划。 最后进行了仿真实验，结果表明该方法获得了满意的覆盖路径规划。