每只蚂蚁都从一个初始为空的解决方案开始，当前的部分解决方案将通过选择一个具有以下规则的可行解决方案组件来扩展： 更喜欢等待时间短的客户（等待=离开时间窗口-到达时间），因为我们不希望客户等待很长时间 偏好时间窗宽度小的客户（宽度=右时间窗-左时间窗） 如果随机值[\tau_{ij}]^\alpha [\eta_{ij}]^\beta [1/width_j]^\gamma [1/wait_j]^\delta$​​ 否则，使用轮盘赌选择和 选择下一个点​​​​ 参数​​确定相应组件的影响。 ​ , 信息素 ​ ，启发式信息，等于距离的倒数 ​ ，一个随机值 , 一个常数、 更多详情、使用方法，请下载后阅读README.md文件

用法 graph = YAML.load_file('test_data/test1.yml') colony = AntColony::Colony.new(graph, beta: 0.8, alpha: 0.7, pop: 200, ph: 0.3, q: 5) colony.solve colony.find_path 1 # path from point 1 更多详情、使用方法，请下载后阅读README.md文件

概述 我最喜欢的用 Clojure 编写的元启发式优化算法，用于试验该语言的并发特性。

matlab代码粒子群算法粒子群最小化器 粒子群优化算法，用于查找两个函数中的最小值。 该算法以及将要最小化的两个功能在此处进行了描述： 该代码是用Matlab编写的。 要运行它，只需键入PSO22a以最小化所描述的两个函数中的第一个，或键入PSO22b以运行另一个函数。

提出了一种基于粒子群优化算法的移动机器人全局路径规划方法. 该方法首先进行环境地图建模, 通过坐
标变换在路径的起点与终点之间建立新地图, 然后利用粒子群优化算法获得一条全局最优路径. 该方法模型简单, 算
法复杂度低, 收敛速度快, 而且模型不依赖于障碍物的形状. 仿真实验证实了该方法的有效性.

PSO算法，粒子群优化算法，可运行，可用于图像配准

混沌理论与粒子群优化算法的结合，提升优化的性能和效果

代码 多目标粒子群优化算法代码代码 多目标粒子群优化算法代码代码 多目标粒子群优化算法代码代码 多目标粒子群优化算法代码代码 多目标粒子群优化算法代码代码 多目标粒子群优化算法代码代码 多目标粒子群优化算法代码代码 多目标粒子群优化算法代码代码 多目标粒子群优化算法代码代码 多目标粒子群优化算法代码代码 多目标粒子群优化算法代码代码 多目标粒子群优化算法代码代码 多目标粒子群优化算法代码代码 多目标粒子群优化算法代码代码 多目标粒子群优化算法代码代码 多目标粒子群优化算法代码代码 多目标粒子群优化算法代码代码 多目标粒子群优化算法代码代码 多目标粒子群优化算法代码代码 多目标粒子群优化算法代码代码 多目标粒子群优化算法代码代码 多目标粒子群优化算法代码代码 多目标粒子群优化算法代码代码 多目标粒子群优化算法代码代码 多目标粒子群优化算法代码代码 多目标粒子群优化算法代码代码 多目标粒子群优化算法代码代码 多目标粒子群优化算法代码代码 多目标粒子群优化算法代码代码 多目标粒子群优化算法代码代码 多目标粒子群优化算法代码代码 多目标粒子群优化算法代码代码 多目标粒子群优化算法代码代码 多目

无功优化算法，为进一步解决寻优后期粒子可能陷入早熟收敛的问题 ， 利用混沌优化具有 “ 奇异吸 引子 ” 的特性 ， 在解空间进一步搜索 ， 两者的结合可以更有效地搜索到全局最优解 。

分析了粒子群优化算法的收敛性,指出它在满足收敛性的前提下种群多样性趋于减小, 粒子将会因速度降低而失去继续搜索可行解的能力;提出混沌粒子群优化算法, 该算法在满足收敛性的条件下利用混沌特性提高种群的多样性和粒子搜索的遍历性, 将混沌状态引入到优化变量使粒子获得持续搜索的能力.实验结果表明混沌粒子群优化算法是有效的,与粒子群优化算法、遗传算法、模拟退火相比,特别是针对高维、多模态函数优化问题取得了明显改善.