多搜索策略协同进化的人工蜂群算法

人工蜂群算法是2005年土耳其注明学者提出的，理论较新颖，是学习算法最佳的算法

提出一种高维多目标多方向协同进化算法(HMMCA). 该算法利用目标空间内的一组方向向量将多目标优化问题分解成多个方向进行寻优, 并提出一种混合变异策略以加强算法在每个方向上的收敛能力; 同时, 该算

提出了一种二分微粒群协同进化优化算法，算法的主要思想是在奇数次对种群进行寻优，在偶数次将微粒群分为两个子种群，子种群独立完成寻优任务，与其他群体几乎不发生联系。

多目标双系统协同进化算法及其应用

提出一种基于协同进化蚁群算法的求解QoS（Quality of Service）多播路由问题的新算法。算法中控制参数及路由选择策略根据迭代过程所处的不同阶段自适应调整。综合考虑QoS路由中所有约束条件

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

针对传统的单种群粒子群优化算法易陷入局部最优、搜索精度低的问题，提出一种异构多子群粒子群算法。算法由自适应子群、精英子群和若干普通子群构成，精英子群由普通子群和自适应子群中的优秀个体组成，每个子群采用

人工蜂群算法是近年来新提出的一种优化算法。针对标准人工蜂群算法的局部搜索能力差，精度低的缺点，提出了一个改进的人工蜂群算法，利用全局最优解和个体极值的信息来改进人工蜂群算法中的搜索模式，并引入异步变化

Matlab编写的人工蜂群算法代码，含详细注释和测试函数，简短易懂，执行顺畅。可用于解决无约束优化问题。

Collaborative Control Algorithm Paper\Multi-objective Algorithm Based on Symbiosis Co-evolution and