智能算法

小O的算法实验室

2024年ESWA SCI1区TOP，自适应种群分配和变异选择差分进化算法iDE-APAMS，深度解析+性能实测为了提高差分进化算法（DE）在不同优化问题上的性能，本文提出了一种自适应种群分配和变异选择差分进化算法（iDE-APAMS）。iDE-APAMS将变异策略分为探索策略池和开发策略池，不同的变异策略通过合作与竞争动态分配种群资源。策略池之间通过合作竞争种群资源，再由每个策略池内的变异策略相互竞争，从而优化资源分配，变异规模因子和交叉率根据种群多样性和适应度的变化自适应调整。

小O的算法实验室

2025年ESWA SCI1区TOP，强化学习多目标灰狼算法MOGWO-RL+分布式混合流水车间调度，深度解析+性能实测本文针对大规模个性化制造（MPM）中的调度问题，提出了一种新的解决方案。MPM能够在确保大规模生产的前提下，实现个性化定制，但由于制造任务类型和数量的快速变化，调度难度大大增加。为此，本文提出了分布式混合流车间调度问题（DHFSP-OMTA），通过将异质客户订单分解为标准和个性化生产任务，并将其分配到不同工厂来应对这一挑战。为了解决MPM中的调度问题，本文构建了一个混合整数线性规划模型，旨在同时最小化完工时间和总能耗。在此基础上，针对DHFSP-OMTA的高复杂性，设计了一种基于强化学习多目标灰狼算法（M

小O的算法实验室

2025年COR SCI2区，基于多种配送模式的无人机自主配送车辆路径问题，深度解析+性能实测自动配送车辆（ADV）和无人机因其高效、环保和便捷性在最后一公里配送中受到了广泛关注。此外，ADV与无人机之间的协同配送十分复杂，而现有的大多数研究主要集中在卡车与无人机之间单一配送模式下的协同配送。因此，本文提出了一种针对由ADV和异质无人机组成、基于多种配送模式的无人配送系统的新的车辆路径问题。针对该问题构建了一个以最小化成本为目标的混合整数规划（MIP）模型，称为基于多种配送模式的无人机自主配送车辆路径问题（ADVRPD-MDM）。为求解该模型，本文设计了一种结合了12种特定邻域结构、随机变量邻域下

小O的算法实验室

2023年IEEE TITS SCI2区TOP，增强回溯搜索算法EBSA+多无人机辅助商业包裹递送系统飞行规划，深度解析+性能实测利用无人机进行商业包裹投递可以显著推动物流行业的转型升级，这得益于节省了人力资源成本，而无人机正在成为智能交通运输系统的新组成部分。然而，由于电池容量有限，无人机的飞行距离通常受到限制。为应对这一挑战，本文设计了一种多无人机协作的商业包裹投递系统，该系统通过广义服务网络（GSN）支持长距离投递。GSN 的每个节点都配备有充电桩，为无人机提供充电服务。考虑到每个节点充电桩数量有限以及无人机电池容量有限，为了确保系统的高效运行，将无人机的飞行规划问题转化为一个基于优先级编码机制的大规模优化问题。为解决这一问题

小O的算法实验室

2025年AIR SCI1区TOP，多策略增强蜣螂算法MDBO+实际工程问题，深度解析+性能实测蜣螂优化算法（DBO）作为一种创新元启发式算法，虽具备良好的数值优化能力，但存在收敛速度慢且易陷入局部最优的问题，主要因探索与开发失衡、协同搜索能力不足及群体多样性缺乏所致。为解决这些不足，本文提出了一种基于多策略增强蜣螂优化算法（MDBO），MDBO算法通过自适应调节和精英信息共享，构建搜索-增强-逃逸的协同优化框架，融合双重自适应搜索策略、精英增强解质量机制和动态反向学习，有效提升了群体多样性、协同搜索能力及跳出局部最优的能力，从而实现更高效的全局优化搜索。

小O的算法实验室

2025年OE SCI2区TOP，进化麻雀搜索算法ESSA+海洋阻尼器迟滞建模与辨识，深度解析+性能实测海洋阻尼器的机械性能通常具有高度非线性，以适应动态和冲击环境。阻尼器经过动态和冲击测试，发现其滞回曲线具有速率依赖性且呈非对称性。为了能够描述动态滞回和冲击滞回，基于广义Prandtl-Ishlinskii（GPI）模型提出了一种速率依赖广义Prandtl-Ishlinskii（RDGPI）模型，该模型是GPI模型与径向基函数（RBF）神经网络的混合体。由于模型参数众多，为了提升参数识别效果，本文提出了一种进化麻雀搜索算法（ESSA），其显著提升了参数识别的效率和准确性。

小O的算法实验室

2008年EJOR SCI2区，连续蚁群优化算法ACOR，深度解析+性能实测本文提出了一种将蚁群优化算法（ACO）拓展至连续域的改进方法，该方法在保持ACO原有结构基本不变的基础上，实现了从组合优化到连续优化的自然过渡。

小O的算法实验室

2019年SEVC SCI1区TOP：维度学习粒子群算法TSLPSO，深度解析+性能实测传统粒子群算法（PSO）通过粒子根据个体最佳经验和种群最佳经验更新速度和位置，虽然这种学习机制简单易行，但容易产生振荡等问题。因此设计一种有效的学习策略，以克服这些问题并提高搜索效率，成为PSO研究中的重要课题。本文提出了一种基于粒子个人最佳经验维度学习策略（DLS），其用来发现并整合种群最佳解中的有前景信息。基于BLS，本文提出了双群学习粒子群算法（TSLPSO），该算法采用不同的学习策略：一个子群通过DLS构建学习示例来引导粒子的局部搜索，另一个子群则通过综合学习策略来引导全局搜索。

启发式算法-遗传算法遗传算法是一种受达尔文生物进化论和孟德尔遗传学说启发的启发式优化算法，通过模拟生物进化过程，在复杂搜索空间中寻找最优解或近似最优解。遗传算法的核心是将问题的解编码为染色体，每个染色体代表一个候选解，通过模拟生物进化中的选择、交叉、变异等操作，将适应度高的染色体保留并繁殖，同时引入新的基因多样性，逐代优化种群，最终逼近最优解。

小O的算法实验室

【算法应用】基于鲸鱼优化算法WOA求解VRPTW问题SCI二区|鲸鱼优化算法（WOA）原理及实现VRPTW问题基于VRP问题，每个客户点都有一个时间窗口，表示可以在某个时间范围内访问。目标是在满足时间窗口和车辆容量限制的情况下，最小化总行驶距离或成本。

小O的算法实验室

2024年ESWA SCI1区TOP：量子计算蜣螂算法QHDBO，深度解析+性能实测蜣螂优化算法是一种群体智能优化算法，具有较强的优化能力和快速收敛性，但容易在优化过程后期陷入局部最优解。本文提出了一种量子计算和多策略混合的蜣螂优化算法（QHDBO），QHDBO通过佳点集初始化种群，动态平衡机制，量子t分布变异策略增强DBO算法，可以避免算法陷入局部最优解。

小O的算法实验室

2023年CCF-C NCA：自适应麻雀搜索算法MASSA，深度解析+性能实测麻雀搜索算法（SSA）是一种受麻雀觅食策略启发的元启发式算法，尽管SSA性能竞争力强，但仍存在开发与探索不平衡，容易陷入局部最优的问题。本文提出改进自适应麻雀搜索算法（MASSA），其通过引入混沌反向学习技术增加种群多样性，并通过动态自适应权重来平衡算法的开发与探索能力。此外，自适应螺旋搜索策略进一步提升了MASSA的性能。

LAVE——基于大语言模型的新型代理辅助视频编辑工具允许用户根据自己的编辑风格进行调整论文地址：https://arxiv.org/abs/2402.10294 视频是一种非常强大的交流和讲述故事的媒介。随着社交媒体和视频共享平台的出现，视频的受欢迎程度直线上升，许多人都在制作和分享自己的内容。然而，对于初学者来说，视频编辑可能很难，也可能是一大障碍。对于那些不习惯在规划阶段就构思视频的人来说，这是一项特别困难的任务。此外，剪辑过程需要大量细致的工作，如选择片段、修剪和创建序列，除此之外，还需要各种技能来创建一个想象中连贯的故事。此外，要完成这些任务，不仅需要学习如何使用多功能、复杂的剪辑

TimeXplusplus——提高时间序列数据的可解释性，避免琐解和分布偏移问题的深度学习可解释性的框架论文地址：https://arxiv.org/abs/2405.09308 源码地址：https://github.com/zichuan-liu/timexplusplus 信号传输技术的优化对于推动光通信的发展至关重要。本文将详细探讨线路编码技术的目标及其实现方式。线路编码旨在提高带宽和功率效率，并加强错误检测和纠正。同样重要的是，要确保信号的功率谱密度得到适当调整，以便在保持直流平衡的同时提供准确的定时信息。

紫微斗数算法的实现流程我想了又想大凡能够修炼成绝世高手的都是“魔鬼”。只有魔鬼才会纯粹的“敢贪，敢嗔，敢痴”。你我都困在了敢字。程序猿拿起拿锋利的刀，解构世间的一切吧！最近看西游有感而发。

【常读常悟】《大数据之路-阿里巴巴大数据实践》一书读书摘要该书是阿里巴巴数据技术及产品部开山之作，该部门在阿里集团中定位为数据中台角色。多年来，该部门已经构建了从底层的数据采集、数据处理，到挖掘算法、数据应用服务以及数据产品的全链路、标准化的大数据体系。

数学建模--蒙特卡罗随机模拟目录蒙特卡罗方法的基本原理蒙特卡罗方法在优化中的应用蒙特卡罗方法的优势与局限优势局限典型应用案例Python代码示例

数学建模--智能算法之鱼群算法目录核心原理应用与实现实现步骤性能分析与改进鱼群算法在解决哪些具体优化问题方面表现最佳？如何根据不同的应用场景调整鱼群算法的参数设置以提高其性能？

科研工作站

Matlab|混合策略改进的蝴蝶优化算法目录1 主要内容2 部分代码3 程序结果4 下载链接程序主要对蝴蝶算法（BOA）进行改进，参考文献《基于改进蝴蝶优化算法的冗余机器人逆运动学求解》，有如下改进策略：

小O的算法实验室

【智能算法】河马优化算法（HO）原理及实现2024年，MH Amiri受到自然界河马社会行为启发，提出了河马优化算法（Hippopotamus Optimization Algorithm, HO）。