蚁群优化算法的使用-编码的问题！ “蚁群算法”学习包下载下载地址：http：//board.verycd.com/t196436.html (请使用 eMule 近一百多篇文章，打包压缩后有 24.99MB，基本上是从维普数据库中下载来的，仅供学习和研究之用，请务用于商业活动或其他非法活动中，各文章版权归原作者所有。如果您觉得本人这样做侵犯了您的版权，请在本帖后回复，本人会马上删除相应的文章。以下是文件列表，全是 PDF 格式的：基于蚁群优化算法递归神经网络的短期负荷预测蚁群算法的小改进基于蚁群算法的无人机任务规划多态蚁群算法MCM基板互连测试的单探针路径优化研究改进的增强型蚁群算法基于云模型理论的蚁群算法改进研究基于禁忌搜索与蚁群最优结合算法的配电网规划自适应蚁群算法在序列比对中的应用基于蚁群算法的QoS多播路由优化算法多目标优化问题的蚁群算法研究多线程蚁群算法及其在最短路问题上的应用研究改进的蚁群算法在2D HP模型中的应用制造系统通用作业计划与蚁群算法优化基于混合行为蚁群算法的研究火力优化分配问题的小生境遗传蚂蚁算法基于蚁群算法的对等网模拟器的设计与实现基于粗粒度模型的蚁群优化并行算法动态跃迁转移蚁群算法基于人工免疫算法和蚁群算法求解旅行商问题基于信息。
分析标准粒子群算法的不足及改进的方法 一个以上的目标，以优化相对传统的多目标优化方法在解决多目标问题，PSO具有很大的优势。首先，PSO算法和高效的搜索功能，有利于在这个意义上，多目标的最优解；其次，PSO代表了整个解决方案的人口集固有的并行性，同时搜索多个非劣解，所以容易搜索多个Pareto最佳的解决方案；此外，PSO通用的适合处理所有类型的目标函数和约束条件，PSO容易与传统相结合的方法，和然后提出了有效的方法来解决一个具体的问题。PSO本身，为了更好地解决多目标优化问题，必须解决的问题的全局最优粒子和个人选择的最优粒子。为全局最优粒子的选择，一方面，该算法具有更好的收敛速度，另一方面帕累托边界分散体的溶液中。如果在最佳的单个颗粒的选择，需要较少的计算复杂性，并且是仅由较少数量的比较非劣解更新。迄今为止，基于PSO的多目标优化，主要有以下思路：（1）向量法和加权方法。文献[20]的固定权重法，自适应权重法和向量评估方法的第一次，PSO解决MO问题。然而，对于一个给定的优化问题，权重的方法通常是很难获得一组合适的权重向量评价方法MO的问题是，往往无法得到满意的解决方案。（2）基于Pareto方法。[21]帕累托排序机制和PSO相结合，处理的问题，多目标优化，。
工程优化设计与MATLAB实现的其他图书 书名：工程优化设计与MATLAB实现（修订版）书号：9787302266082作者：张永恒等定价：34元出版日期：2011-9-5出版社：清华大学出版社内容简介本书以工程实例为背景，以MATLAB语言为工具，较全面地介绍了优化设计的理论及应用。本书主要内容包括：优化设计基本模型；优化设计数学基础知识；一维搜索方法；无约束优化问题、有约束优化问题的经典算法；启发式优化算法，包括蚁群优化、粒子群优化算法、遗传算法、模拟退火算法、禁忌算法和人工神经网络算法；MATLAB优化工具箱函数及应用；优化算法工程应用实例及MATLAB基础知识。书中配有完整的MATLAB程序。本书可作为高等工科院校有关专业优化设计方面课程的教材和教学参考书，也可供有关专业的师生和工程技术人员参考。前言优化设计是一门古老而新兴的理论，既有着很强的应用背景，又有着坚实的数学基础。它的数学基础可以追溯到牛顿（Newton，1642-1727)、莱布尼茨（W.Leibniz，1646-1716）创立的微积分理论。优化设计与运筹学有着密切的联系，前者是后者在非线性规划方向的延伸和发展。优化设计主要研究连续函数在有约束和无约束条件下单目标函数或多目标函数的最优值问题，而运筹学主要研究经济活动和军事活动。
