混合优化算法_一种混合 BBO-萤火虫优化算法.zip BO Firefly 优化算法 %% 基于混合生物地理学的优化 Firefly 算法 - 由 Seyed Muhammad Hossein Mousavi 于 2022 年 1 月 19 日创建 % 以下代码行提取 4 个信号特征，即 % 'EnergyEntropy'、'ShortTimeEnergy'、'SpectralCentroid' 和'SpectralFlux' % 其中 'ShortTimeEnergy' 被认为是目标和其他作为输入。% 模糊逻辑创建初始模型以适应。进化训练有两个阶段：使用 BBO 算法进行第一次训练以创建第一个模糊 % 进化模型，第二阶段是通过 Firefly 算法将 BBO 模型拟合到更好的条件。显然，您可以使用信号、音频百分比甚至矩阵，并根据您的系统和数据自定义参数。

Codes v 2.0 of "A Chaootic Hybrid Butterfly Optimization Algorithm with Particle Swarm Optimization for High-Dimensional Optimization Problems" 摘要：为了解决蝶形优化算法（BOA）容易出现精度低、收敛慢的问题，研究的趋势是将两种或多种算法进行混合，以获得优化问题领域的更优解。提出了一种新的混合算法，即HPSOBOA，并介绍了三种改进基本BOA的方法。因此，引入了使用三次一维图对BOA进行初始化，并进行了非线性参数控制策略。此外，粒子群优化（PSO）算法与BOA混合，以改进全局优化的基本BOA。进行了两个实验（包括 26 个著名的基准函数）来验证所提出算法的有效性。

堆场出口箱区通常通过集装箱的预倒箱操作来提高后续装船作业的效率. 为此, 开发了由邻域搜索算法与整数规划算法组成的两阶段混合算法对预倒箱问题进行优化, 第1 阶段通过启发式规则压缩末终堆存状态空间, 第2 阶段通过整数规划算法缩短第1 阶段得到的预倒箱序列的长度. 两个阶段循环交替进行以快速求得最优的预倒箱序列. 借助不同种类仿真算例的实验结果及与现有研究方法下所得结果的对比, 验证了混合优化算法的有效性和实用性.

结合粒子群优化(pso)算法和人工鱼群算法(AFSA)的优势，提出一种PSO-AFSA混合算法。将种群分为2个子群体，在每次迭代中，一个子群体利用PSO算法进化，另一个子群体利用AFSA进化，2个算法共享整个种群极值信息。通过混合算法对5个标准函数进行实验，并与标准PSO算法进行比较，结果表明混合算法具有更好的优化性能。

求解模糊作业车间调度问题的混合优化算法

针对细菌觅食算法在优化过程中环境感知能力较弱且容易陷入局部极值的缺陷, 将梯度粒子群算法的基本思想引入细菌觅食算法中, 改进原算法的收敛速度和收敛能力, 并据此提出了基于梯度粒子群算法的细菌觅食算法GPSO-BFA。该既利用了细菌觅食算法出色的全局搜索能力, 又借助梯度粒子群算法的快速局部寻优能力, 很好地将两者的优势结合在一起。基于6个高维Benchmark函数的实验结果显示, 该算法在收敛速度和精度方面都优于其他四种细菌觅食算法。

本算法为用遗传算法改进粒子群GA-PSO算法，附带含有程序使用说明。(This algorithm uses genetic algorithm to improve particle swarm optimization GA-PSO algorithm, with instructions for the use of the program.)

基于最大互信息和混合优化算法的医学图像配准算法，利用模拟退火算法思想改进粒子群优化算法，提高全局寻优能力，更好的跳出局部最优

文章讲述了差分进化的基本思想，提出了新的观点及应用