分销配送网络优化模型及其求解算法

多目标优化算法与求解策略 2 多目标优化综述 2.1 多目标优化的基本概念 多目标优化问题 (Multi-objective Optimization Problem MOP)起源于许 多实际复杂系统

本项目采用VS2015编写了PSO粒子群优化算法的C++控制台应用程序,用来解决函数优化问题,主要通过初始化粒子群(随机均匀分布)、更新粒子速度和位置和根据粒子适应值来更新个体历史极值、全局极值(全局

针对细菌觅食优化算法中，以往的自适应步长公式引入参数过多，统一的经验性参数无法适应各类不同问题的情况，提出了改进的自适应步长公式，通过在步长公式中引入当前细菌的进化代数、寻优范围，并发挥当前最优细菌的

内有代码，有报告。 1、理解粒子群算法的基本思想和基本流程。 2、利用Matlab实现粒子群算法求解函数优化问题。 3、分析算法中各种参数变化对计算结果的影响。 1、打印程序清单。 2、绘制

蚁群优化算法求解旅行商问题。内有代码有报告1、理解蚁群优化算法的思想。2、利用Matlab实现蚁群优化算法求解TSP问题。3、分析算法中各种参数变化对计算结果的影响。二、实验要求1、打印程序

matlab采用智能优化算法对函数最优进行求解，求解时一个主函数，一个调用函数

优化遗传算法求解TSP问题代码

为了高效解决物流配送车辆路径优化问题，提出一种粒子群优化算法，根据粒子群较强的寻优能力，扩大了种群多样性和提高算法精度。本文针对此算法进行仿真实验，结果证明该算法寻求的最优解、平均解、以及找到最优解次

使用Python实现鸟群算法用于求解函数优化问题最后针对优化结果进行输出并绘图保存.

使用Python实现粒子群算法用于求解函数优化问题最后针对优化结果进行输出并绘图保存.