matlab量子粒子群算法+levy飞行的改进可执行算法

为了提高多目标优化算法的收敛性、分布性和减少算法的计算代价, 提出一种基于量子行为特性的粒子群 优化(QPSO) 和拥挤距离排序的多目标量子粒子群优化(MOQPSO-CD) 算法. MOQPSO-CD

针对武器—目标分配（WTA）问题及其特点，提出一种带排序映射的量子粒子群优化算法。首先通过武器系统对目标攻击过程中得到的毁伤收益建立了目标分配模型；然后根据该模型的约束特点，提出一种基于排序映射的编码

利用云模型云滴的随机性和稳定倾向性的特点，提出了一种云模型云滴机制的量子粒子群优化算法，该算法在量子粒子群优化的基础上，由云模型的X，Y条件发生器产生杂交操作，由基本云发生器产生变异操作，用于求解具有

将自然界的物种动态模型引入到遗传算法当中，反映出物种的真实进化状态，开发了基于演化设计的遗传算法。算法采用自适应策略克服了确定交叉和变异概率值的问题，利用小种群策略和最优保留策略保证了种群的多样性，改

提出了自适应免疫量子粒子群优化并行算法。为了克服粒子群优化算法早熟收敛以及粒子在进化过程中缺乏很好的方向指导的问题，采用了量子技术以及免疫机制，从而获得了一个自适应免疫量子粒子群优化算法。同时，针对该

针对函数全局优化问题,提出了一种自适应压缩因子粒子群优化算法。研究的结果是对粒子群优化算法定义了一个与迭代步有关的压缩因子,随着迭代步不断增大压缩因子逐渐减小,使得在算法初期,压缩因子较大,提高算法的

用粒子群算法改进蝙蝠算法,引入自适应权重,具有很好的收敛速度和收敛精度

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

为了提高粒子群优化算法的性能，提出了一种带最优变异的改进粒子群优化算法。该算法的惯性权值满足不同粒子对全局和局部搜索能力的不同需求，每次迭代后根据适应度值会作相应的调整，在搜索过程中所引入的变异算子将

该代码是经过改进后的粒子群算法代码，亲自测试了，可用。