蚁群算法应用于TSP问题

蚁群优化算法ACO(Ant Colony Optimization Algorithm)是由意大利学者M.Dorigo等[1]于20世纪90年代初期受到自然界中真实蚂蚁觅食行为启发而提出的一种仿生优化算法。算法采用分布式并行计算机制，具有较强的鲁棒性，且易与其它优化算法相结合。取得了一系列较好的实验结果，其具有的诸多优良特性，使蚁群算法迅速受到研究者们的广泛关注[2]。 蚁群优化算法最早以求解离散问题优化为主，如旅行商问题(Traveling Sales-man Problem，TSP),并取得了较好的应用效果。随着算法的发展,学者们在基本蚁群算法基础上提出了诸多改进策略﹐有效提高了算法的求解性能﹐并逐渐将其扩展应用于诸如作业调度﹑路径规划﹑数据挖掘等多个领域,取得了丰富的研究成果[3]。

蜣螂优化算法DBO用于函数寻优

蜣螂优化算法(dung beetle optimizer，DBO)是JiankaXue 和Bo Shen 在2022 年提出的一种新型群体智能优化算法[1]，其灵感来自于蜣螂的滚球、跳舞、觅食、偷窃和繁殖行为。该算法同时考虑了全局探索和局部开发，从而具有收敛速度快和准确率高的特点，可以有效地解决复杂的寻优问题。本文将对该算法进行原理讲解及程序实现。

核极限学习机应用于回归/分类问题，对比极限学习机

核极限学习机应用于回归/分类问题，对比极限学习机，MATLAB代码

沙猫群优化算法应用于函数寻优

！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！凑曝光！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！！

模拟退火算法MATLAB实现

应用于函数寻优问题

多种群遗传算法MATLAB源码

多种群遗传算法MATLAB代码，详细说明可看本人博客

量子遗传算法MATLAB源码

应用量子遗传算法的MATLAB代码，用于函数寻优

SVMSVR 支持向量机 分类/拟合

应用支持向量机进行分类拟合，包含数据集以及函数安装包

BP神经网络进行回归拟合问题和分类问题，对比双层BP神经网络

BP神经网络进行回归拟合问题和分类问题，对比双层BP神经网络

PSO-SVM，利用粒子群算法优化支持向量机，应用于分类问题，对比单SVM，效果好

PSO-SVM，利用粒子群算法优化支持向量机，应用于分类问题，对比单SVM，效果好