混合蛙跳算法(Shufled Frog Leaping Algorithm，SFLA)是2000年由Eusuf和Lansey提出的一种基于群体智能的后启发式计算技术(亦有称混洗蛙跳算法)。混合蛙跳算法(SFLA)是一种受自然生物模仿启示而产生的基于群体的协同搜索方法。这种算法模拟青蛙群体寻找食物时，按族群分类进行思想传递的过程，将全局信息交换和局部深度搜索相结合，局部搜索使得思想在局部个体间传递，混合策略使得局部间的思想得到交换。 阅读全文 >
社会认知优化算法(Social Cognitive Optimization,SCO)是一种基于社会认知理论的集群智能优化算法。
基本概念
知识点：知识点是位于知识空间(例如搜索空间S)中对位置X和水平(例如适应度)的描述构成的点。 阅读全文 >
量子粒子群算法(Quantum-behaved Particle Swarm Optimization)简称QPSO算法是对整个PSO算法进化搜索策略的改变，进化方程中不需要速度向量，而且进化方程的形式更简单，参数更少且更容易控制，全局搜索性能更佳。 阅读全文 >
自组织迁移算法(self organizing migrating algorithm,SOMA)是捷克学者Zelinka提出的一种新型进化算法。与多数进化算法一样，SOMA也是一种基于群体的随机优化算法，但与遗传算法等传统进化算法不同，SOMA的社会生物学基础是社会环境下群体的自组织行为 ，如社会性动物的使用觅食行为。 阅读全文 >
细菌趋药性算法是一种新的从生物行为中取得灵感的优化方法。这种算法利用细菌在化学引诱剂环境中的运动行为来进行优化。研究趋药性算法的先驱是Bremermann及其同事们。他们研究表明了细菌在引诱剂环境下的应激机制和梯度下降相类似。 阅读全文 >
蚁群算法(ant colony optimization，ACO)，又称蚂蚁算法，是一种用来在图中寻找优化路径的机率型技术。它由Marco Dorigo于1992年在他的博士论文中引入，其灵感来源于蚂蚁在寻找食物过程中发现路径的行为。 阅读全文 >
差分进化算法(Differential Evolution, DE)是一种新兴的进化计算技术，或称为差分演化算法、微分进化算法、微分演化算法、差异演化算法。它是由Storn等人于1995年提出的，最初的设想是用于解决切比雪夫多项式问题，后来发现DE也是解决复杂优化问题的有效技术。 阅读全文 >
