改进的蜂群繁殖优化算法程序

为提高人工蜂群算法的寻优效率，对算法中跟随蜂和侦察蜂的搜索策略进行了改进，提出了一种反映个体拥挤程度的crowd指标，并基于该指标为跟随蜂设计了针对优秀个体的自适应邻域搜索策略；针对侦察蜂的搜索行为，

简单的欧拉算法,欧拉改进算法,龙格库塔算法 对于一阶ODE初值问题,若f(x,y)在上连续,关于y满足Lipschitz条件,则解存在且唯一,用有限差分方法求其数值解. 假设解足够光滑,取剖分. 在上

遗传算法改进粒子群优化算法，可用于SVM的参数优化等，

针对人工蜂群(ABC)算法开发能力差、收敛速度慢的缺点,分别提出适用于雇佣蜂和观察蜂阶段的搜索方程,其中前者用到精英解、随机选择个体及其邻域的有益信息,后者用到群体最优解的信息.所提出的搜索方程在一定

针对离散隐马尔可夫（DiscreteHiddenMarkovModel，DHMM）语音识别系统中LBG算法对初始码书的依赖性和易陷入局部最优解的问题，采用人工蜂群（ArtificialBeeColon

传统的人工蜂群算法（ArtificialBeeColonyalgorithm，ABC）及其在多目标上的扩展（MultiObjectiveArtificialBeeColonyalgorithm，MOA

移动通信网络中频率资源是有限的，为了提高无线资源的利用率，将改进的人工蜂群算法用于解决无线信道分配问题。提出的算法用逐步减小邻域搜索范围的动态步长来均衡局部与全局搜索能力；对单个体引入选择性变异技术，

针对基于人工蜂群搜索算子的量子粒子群算法（IQPSO）求解精度不理想，收敛速度慢等问题，将一种更新全局最优的新策略融入到IQPSO算法中，引入双中心粒子，将IQPSO算法得到的全局最优解进行多种群划分

粒子群优化算法是在对鸟群捕食行为模拟的基础上提出的一种群集智能算法，是进化计算领域中一个新的分支。它的主要特点是原理简单、参数少、收敛速度较快、易于实现。因此，该算法一提出就吸引了的广泛关注，逐

粒子群优化算法的研究与改进！用CAJViewer打开！