动态分阶段蚁群算法及其收敛性分析

2蚁群优化算法 1.蚁群优化算法 4.算法实现的技术问 概述 2.蚁群优化算法 应用 概念 参考资料 3.算法模型和收 敛性分析 2.1蚁群优化算法概述 2.1.1起源 2.1.2应用领域 2.1.3

这个是我在面向对象程序设计的结课课设中所编写的蚁群算法解决旅行商问题(TSP),压缩包内含源码以及算法内容详细分析,可以用于参考和学习。

为了进一步提升多目标进化算法(MOEAs) 的收敛速度和解集分布性, 针对变量无关问题, 借助合作型协 同进化模型, 提出一种均衡分布性与收敛性的协同进化多目标优化算法(CMOA-BDC). CMOA

PSO算法(微粒群算法)是一种仿生优化技术，目前国内外对该算法的研究成果已经很丰富。然而PSO的数学基础还显得相对薄弱，对该算法的研究也仅仅限于在一维问题域内的收敛情况，对二维以及多维算法域收敛稳定性

分析量子进化算法的特点及免疫进化的机理,提出一种基于免疫算子的量子进化算法.该算法通过免疫克隆选择、免疫细胞交叉变异、记忆细胞产生、抗体相似性抑制等进化机制,可以最终找出最优解",比传统的量

基于蚁群算法的动态模糊聚类分析，黄红星，，本文提出了一种基于蚁群算法的动态模糊聚类方法。算法将蚁群算法与模糊C均值聚类有机的结合，实现了基于改进的目标函数聚类分析��

分 数_ 任课教师签字_ 华北电力大学研究生结课作业 学 年 学 期20 10 学年第二学期 课 程 名 称人工智能与知识工程 学 生 姓 名张华壮 学 号2 10222 1007 题 目蚁群算法概述

蚁群算法，智能算法，对于研究优化算法的朋友看看

收集了许多关于蚂蚁算法的相关文献,以及编写了相应地程序代码

论文研究-冲突分析的状态转移法的收敛性.pdf,