智能优化算法

群体智能优化算法-算术优化算法（Arithmetic Optimization Algorithm, AOA，含Matlab源代码）算术优化算法（Arithmetic Optimization Algorithm, AOA）是一种新颖的群体智能优化算法，灵感来源于加、减、乘、除四种基本算术运算。在优化过程中，AOA 通过乘除操作实现全局探索，通过加减操作强化局部开发，兼顾了算法的全局搜索能力和局部收敛速度。本文系统介绍了 AOA 的核心机制、数学建模，并提供完整的 MATLAB 代码，包含详细中文注释，适合用于科学研究、函数测试与工程优化等场景。

群体智能优化算法-粒子群优化算法（Particle Swarm Optimization, PSO，含Matlab源代码）粒子群优化（PSO）是一种基于群体智能的优化算法，受鸟群觅食行为的启发。PSO 通过模拟粒子（个体）在搜索空间中的运动来寻找最优解。每个粒子根据自身的历史最优位置（pBest）和全局最优位置（gBest）动态调整速度和位置，从而在全局搜索和局部搜索之间取得平衡。PSO 具有收敛速度快、实现简单、计算复杂度低等优点，广泛应用于函数优化、神经网络训练、工程优化等领域。

群体智能优化算法-䲟鱼优化算法 (Remora Optimization Algorithm, ROA，含Matlab源代码）䲟鱼优化算法（Remora Optimization Algorithm，ROA）是一种基于䲟鱼在海洋中寄生与捕食者间交互关系而提出的元启发式算法。通过模拟䲟鱼在宿主附近进行寄生、吸附和随机机动等行为，ROA 在全局与局部搜索之间取得平衡。本文提供了算法的核心原理及完整的 MATLAB 代码，并通过中文详细注释帮助读者快速理解与应用。

2025最新群智能优化算法：山羊优化算法（Goat Optimization Algorithm, GOA）求解23个经典函数测试集，MATLAB山羊优化算法（Goat Optimization Algorithm, GOA）是2025年提出的一种新型生物启发式元启发式算法，灵感来源于山羊在恶劣和资源有限环境中的适应性行为。该算法旨在通过模拟山羊的觅食策略、移动模式和躲避寄生虫的能力，有效平衡探索和开发，以解决全局优化问题。

2025最新智能优化算法：人工旅鼠算法（Artificial Lemming Algorithm, ALA）求解23个经典函数测试集，MATLAB人工旅鼠算法（Artificial Lemming Algorithm, ALA）是2025年提出的一种新型生物启发式优化算法，受旅鼠的四种典型行为启发：长距离迁徙、挖洞、觅食和躲避捕食者。该算法通过模拟这些行为来解决复杂的优化问题，具有较强的探索和开发能力。人工旅鼠优化算法（ALA ）是2025年发表于SCITop期刊《Artificial Intelligence Review》的一种新型元启发式算法（智能优化算法）。其灵感来源于旅鼠在自然界中的四种行为：长途迁徙、挖洞、觅食和躲避捕食者。该算法通过

最新智能优化算法：贪婪个体优化算法（Greedy Man Optimization Algorithm，GMOA）求解23个经典函数测试集，MATLAB代码贪婪个体优化算法（Greedy Man Optimization Algorithm，GMOA）是Hamed Nozari与Hossein Abdi于2024年提出的一种新型受生物启发的元启发式算法，它模拟了抵抗变化的竞争个体的行为。GMOA引入了两个独特的机制：MMO抵抗机制，防止过早替换解；周期性寄生虫清除机制，促进多样性并避免停滞。该算法旨在解决传统优化算法中的过早收敛和缺乏多样性的问题。 GMOA算法流程：

无人机航迹规划：梦境优化算法（Dream Optimization Algorithm，DOA）求解无人机路径规划MATLAB梦境优化算法（Dream Optimization Algorithm，DOA）是一种新型的元启发式算法，其灵感来源于人类的梦境行为。该算法结合了基础记忆策略、遗忘和补充策略以及梦境共享策略，通过模拟人类梦境中的部分记忆保留、遗忘和逻辑自组织等特征来求解优化问题。算法原理：记忆策略：算法在搜索过程中会保留一部分优秀的解，这些解会被记忆下来，并在后续的搜索中作为参考，以引导搜索方向。遗忘和补充策略：在搜索过程中，部分解会被遗忘，同时通过一定的规则生成新的解来补充种群，以增加种群的多样性，避免算法陷入局

无人机（Unmanned Aerial Vehicle, UAV）路径规划介绍无人机（Unmanned Aerial Vehicle, UAV）是无人驾驶飞行器的简称。凭借其体积小巧、操作简便、生存能力强等诸多优势，无人机在军事、电力巡检、航空航天与科学研究等诸多领域得到了广泛应用。在执行任务时，无人机可搭载多种传感器设备，实时监测环境、确定自身位置、调整飞行姿态并规避障碍物，从而高效完成任务。而规划出一条无碰撞且距离最短的路径，对于无人机顺利完成任务至关重要。然而，现实环境中的不确定性、可变性与动态性，使得无人机在执行飞行任务时面临诸多不可控因素，这也凸显了无人机路径规划算法研究

最新高性能多目标优化算法：多目标麋鹿优化算法（MOEHO）求解LRMOP1-LRMOP6及工程应用---盘式制动器设计，提供完整MATLAB代码麋鹿优化算法（Elephant Herding Optimization，EHO）是2024年提出的一种启发式优化算法，该算法的灵感来源于麋鹿群的繁殖过程，包括发情期和产犊期。在发情期，麋鹿群根据公麋鹿之间的争斗分为不同大小的家族，较强的公麋鹿可以与大量的雌麋鹿组成家族。在产犊期，每个家族的公麋鹿和雌麋鹿繁殖新的幼崽。在优化过程中，优化循环由发情期、产犊期和选择期三个阶段组成。在选择期，所有家族合并，选择最适应的麋鹿群用于下一轮的发情期和产犊期。EHO 将种群分为一组组的群体，每个群体在发情期有一个领导者

SDMTSP：粒子群优化算法PSO求解单仓库多旅行商问题，可以更改数据集和起点（MATLAB代码）单仓库多旅行商问题（Single-Depot Multiple Travelling Salesman Problem, SD-MTSP）：𝑚个推销员从同一座中心城市出发，访问其中一定数量的城市并且每座城市只能被某一个推销员访问一次，最后返回到中心城市，通常这种问题模型被称之为SD-MTSP。

SDMTSP：黑翅鸢算法（Black-winged kite algorithm，BKA）求解单仓库多旅行商问题，可以更改数据集和起点（MATLAB代码）黑翅鸢算法（Black-winged kite algorithm，BKA）由Wang Jun等人于2024年提出，该算法受黑翅鸢的迁徙和掠食行为启发而得。BKA集成了柯西突变策略和领导者策略，增强了算法的全局搜索能力，提高了算法的收敛速度。

基于Q-Learning的机器人栅格地图路径规划，可以更改地图大小及起始点，可以自定义障碍物，MATLAB代码基于Q-learning算法的栅格地图路径规划是一种利用强化学习技术来解决路径规划问题的方法。状态空间定义：在路径规划任务中，状态通常代表机器人或智能体在环境中的位置。状态空间可以是离散的，如网格地图上的特定位置。

基于RRT（Rapidly-exploring Random Tree）的无人机三维路径规划，MATLAB代码RRT（Rapidly-exploring Random Tree）算法是一种基于采样的路径规划方法，它通过递增地构建一棵树来探索配置空间。算法从一个初始点（通常是起点）开始，通过随机采样的方式逐步扩展树结构，直到达到或接近目标点。

多目标优化算法：多目标红嘴蓝鹊优化算法（MORBMO）求解UF1-UF10，提供完整MATLAB代码红嘴蓝鹊优化算法（Red-billed Blue Magpie Optimizer，简称RBMO）由Shengwei Fu等人于2024年5月发表在SCI顶刊《Artificial Intelligence Review》上的一种新型的元启发式算法。该算法通过模拟红嘴蓝鹊的合作捕食行为，包括搜索、攻击猎物和储存食物，来解决优化问题。 RBMO算法的基本思想是利用红嘴蓝鹊群体中的个体通过信息共享和协同工作来寻找最优解。红嘴蓝鹊在觅食时表现出的社会性和合作性，以及它们在狩猎行为中的灵活性和适应性，为算法提供了

基于海市蜃楼算法（Fata Morgana Algorithm ，FATA）的多无人机协同三维路径规划（提供MATLAB代码）海市蜃楼算法（Fata Morgana Algorithm ，FATA）是2024年提出一种新型的群体智能优化算法，它的设计灵感来源于自然现象中的海市蜃楼形成过程。FATA算法通过模仿光线在不均匀介质中的传播方式，提出了两种核心策略——海市蜃楼光过滤原则（MLF）和光传播策略（LPS）——来优化搜索过程，增强算法的全局搜索能力和局部开发能力。

Python优化算法18——教与学优化算法(TLBO)科研里面优化算法都用的多，尤其是各种动物园里面的智能仿生优化算法，但是目前都是MATLAB的代码多，python几乎没有什么包，这次把优化算法系列的代码都从底层手写开始。

机器不会学习CL

信号分解|基于北方苍鹰优化变分模态分解的时序信号分解Matlab程序NGO-VMD信号分解|基于北方苍鹰优化变分模态分解的时序信号分解Matlab程序NGO-VMDNGO-VMD结合了北方苍鹰优化算法（NGO）和变分模态分解（VMD）来优化信号处理。VMD通过分解信号为若干模态，NGO用于优化VMD中的参数，比如分解层数K和调节参数α。流程如下：

智能建造研究生

智能优化算法之灰狼优化算法（GWO）智能优化算法是一类基于自然界中生物、物理或社会现象的优化技术。这些算法通过模拟自然界中的一些智能行为，如遗传学、蚁群觅食、粒子群体运动等，来解决复杂的优化问题。智能优化算法广泛应用于各种工程和科学领域，因其具有全局搜索能力、鲁棒性强以及易于实现等优点。

神经网络与数学建模

SSA-CNN-LSTM多输入回归|樽海鞘算法-卷积-长短期神经网络|Matlab目录一、程序及算法内容介绍：基本内容：亮点与优势：二、实际运行效果：三、算法介绍：四、完整程序下载：本代码基于Matlab平台编译，将SSA(樽海鞘群算法)与CNN-LSTM（卷积-长短期记忆神经网络）结合，进行多输入数据回归预测

2024最新群智能优化算法：大甘蔗鼠算法（Greater Cane Rat Algorithm，GCRA）求解23个函数，提供MATLAB代码大甘蔗鼠算法（Greater Cane Rat Algorithm，GCRA）由Jeffrey O. Agushaka等人于2024年提出，该算法模拟大甘蔗鼠的智能觅食行为。