基于信息熵和混沌理论的遗传—蚁群协同优化算法

蚁群算法在数学建模的应用，利用蚁群算法解决出租车路径规划问题，旅行商问题，背包问题，最短路问题，组合优化问题。文件内包含10篇论文。

这是一个蚁群算法最原始的代码,对于刚刚学习蚁群算法的小萌新会很有帮助的。我最开始学习蚁群算法就是从这个算法开始的,针对连续域空间寻优很有帮助。

基于蚁群算法的聚类算法matlab实现

通过蚁群和遗传进化的旅行时间优化 在这个项目中,我解决了出租车的旅行时间优化问题。 可以将其称为“旅行推销员问题” ,这是众所周知的计算机科学问题。 目的是找到访问一组位置的最短路径。 对于此问题,需

为了提高挖掘的效率和精度，采用代数定义最大频繁项集并建立其数学模型，通过二进制编码将支持度的计算、蚁群算法和遗传算法求解有机地融合，从而提出一种求解该数学模型的遗传蚁群算法。实验表明，该算法挖掘最大频

针对风险管理下的粮食应急路径优化问题，将“运输风险最小”和“运输时间最小”作为目标，建立相应的优化模型。利用“最大最小蚂蚁系统”进行求解，为避免过早陷入局部最优，提出自适应混沌蚁群优化算法。该算法利用

利用混沌算法随机性、规律性和遍历性，将混沌搜索融合到蚁群算法中，用于求解最短QoS路由问题，避免蚁群算法易陷入局部寻优的缺点，提高了混合算法的搜索范围，并且加快了蚁群群体的进化速度，仿真实验表明，该算

基于混沌理论和自适应惯性权重的粒子群优化算法

蚁群算法（AntColonyOptimization,ACO）由Colorni，Dorigo和Maniezzo在1991年提出，它是通过模拟自然界蚂蚁社会的寻找食物的方式而得出的一种仿生优化算法。自然

蚁群算法与遗传算法解决TSP问题，并且附有相应的程序