种子优化算法

种子优化算法(Seed Optimization Algorithm，SOA)是受自然界种子传播方式的启发提出的一种进化算法，通过模拟植物生存的自适应现象，逐代进化，寻找最优结果，解决复杂的优化计算问题。有点类似于分段式进化策略。
阅读全文 >

细菌觅食算法

细菌觅食算法(Bacterial Foraging Algorithm,BFA)[亦有称为细菌觅食优化算法(Bacterial Foraging Optimization algorithm,BFO||BFOA)]由K.M.Passino于2002年基于Ecoli大肠杆菌在人体肠道内吞噬食物的行为，提出的一种新型仿生类算法。该算法因具有群体智能算法并行搜索、易跳出局部极小值等优点，成为生物启发式计算研究领域的又一热点。
阅读全文 >

含边界变异的粒子群优化算法

标准PSO中，当某个粒子在搜索过程中飞出可行域时，通常的处理方式是使该粒子的位置处于边界上，即采用策略：
where (X > Xmax) X = Xmax
where (X < Xmin) X = Xmin

这样做的缺点是，如果边界附近存在着局部最优，很容易使粒子陷入局部最优点，从而产生停滞。
阅读全文 >

混合蛙跳算法

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

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

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

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 >