心升明月的博客

文章目录一、理论基础1、协作搜索算法（1）团队建立阶段（2）团队沟通算子（3）反思学习算子（4）内部竞争算子2、CSA算法伪代码二、仿真实验与结果分析1、函数优化2、工程优化三、参考文献一、理论基础1、协作搜索算法受现代企业团队协作行为的启发，文献[1]提出了一种新的基于种群的进化方法——协作搜索算法(Cooperation search algorithm, CSA)。CSA算法首先在问题空间中随机生成一组候选解，然后重复执行三个操作算子，直到满足停止条件：使用团队沟通算子改进全局搜索并确定有希望的

文章目录一、理论基础1、材料生成算法（1）模拟化合物（2）模拟化学反应（3）模拟化学稳定性2、MGA算法流程图二、仿真实验与分析三、参考文献一、理论基础1、材料生成算法材料生成算法(Material Generation Algorithm, MGA)是Siamak Talatahari等人于2021年提出的一种新型启发式算法，其灵感来源于材料化学的三个主要概念(化合物、化学反应和化学稳定性)。考虑到许多自然进化算法建立了一个预定义的候选解群体，这些候选解通过随机改变和选择进化而来，MGA确定了一系

文章目录一、理论基础1、向量加权平均算法（1）更新规则阶段（2）向量合并阶段（3）局部搜索阶段2、INFO算法伪代码二、仿真实验与分析1、函数优化2、工程优化三、参考文献一、理论基础1、向量加权平均算法向量加权平均算法(Weighted mean of vectors algorithm, INFO)是一种基于群体的优化算法，用于计算搜索空间中一组向量的加权平均值。INFO使用三种算子来更新每一代中向量的位置，分别为：第一阶段：更新规则第二阶段：向量合并第三阶段：局部搜索（1）更新规则阶段

文章目录一、理论基础1、瞬态搜索优化算法2、TSO算法伪代码二、仿真实验与分析1、函数测试与数值分析2、求解压缩弹簧设计优化问题3、WSN三维覆盖优化三、参考文献一、理论基础1、瞬态搜索优化算法瞬态搜索优化(Transient search optimization, TSO)算法是一种新的基于物理的元启发式优化算法，该算法受开关电路瞬态行为的启发，开关电路包括电感和电容等存储元件。在本节中，TSO算法建模为：1）初始化搜索空间上下限之间的搜索代理；2）搜索最佳解决方案(探索)；3）达到稳态或

文章目录一、理论基础（1）初始化（2）梯度搜索规则(GSR)（3）局部逃逸操作(LEO)（4）GBO算法伪代码二、仿真实验与分析一、理论基础梯度优化算法(Gradient-based optimizer, GBO)受基于梯度的牛顿方法启发，主要使用两种算子：梯度搜索规则(Gradient search rule, GSR)和局部逃逸算子(Local escaping operator, LEO)以及一组向量来探索搜索空间。GSR采用基于梯度的方法来增强搜索趋势并加快收敛速度，从而在搜索空间中获得更好的位

文章目录一、理论基础1、供需优化算法（1）SDO算法初始化（2）商品均衡数量与均衡价格（3）供给函数和需求函数2、SDO算法伪代码二、仿真实验与分析1、函数测试与数值分析2、求解焊接梁设计优化问题3、WSN覆盖优化三、参考文献一、理论基础1、供需优化算法供需优化(Supply-demand-based optimization, SDO)算法是Zhao等于2019年受经济学供需机制的启发而提出的一种新型元启发式优化算法。该算法在数学上模拟了消费者的需求关系和生产者的供给关系，通过将供求机制之稳定模式和

文章目录一、理论基础1、人工生态系统优化算法（1）生产者（2）消费者（3）分解者2、AEO算法伪代码二、仿真实验与分析1、函数测试与数值分析2、求解压力容器设计优化问题3、WSN覆盖优化三、参考文献一、理论基础1、人工生态系统优化算法人工生态系统优化(Artificial ecosystem-based optimization, AEO)算法是Zhao等于2019年通过模拟地球生态系统中能量流动而提出一种新型元启发式优化算法，该算法通过生产算子、消费算子和分解算子对生态系统中的生产、消费和分解行为进

文章目录一、理论基础1、人工蜂鸟算法（1）初始化（2）引导觅食（3）区域性觅食（4）迁徙觅食2、AHA伪代码二、仿真实验与分析（1）函数测试与数值分析2、求解压缩弹簧设计优化问题3、WSN覆盖优化三、参考文献一、理论基础1、人工蜂鸟算法人工蜂鸟算法(Artificial hummingbird algorithm, AHA)模拟了自然界中蜂鸟的特殊飞行技能和智能觅食策略。建立了三种用于觅食策略的飞行技能模型，包括轴向飞行、对角飞行和全向飞行。此外，还实现了引导觅食、区域性觅食和迁徙觅食，并构建了访问表

文章目录一、理论基础1、基本鲸鱼优化算法2、基于分段式随机惯性权重和最优反馈机制的鲸鱼优化算法(FWOA)（1）基于最优解反馈机制的随机游走觅食（2）分段式非线性递减惯性权重（3）修正且改进的边界处理（4）FWOA算法流程二、仿真实验与分析1、函数测试与数值分析2、求解压力容器设计优化问题三、参考文献一、理论基础1、基本鲸鱼优化算法请参考这里。2、基于分段式随机惯性权重和最优反馈机制的鲸鱼优化算法(FWOA)（1）基于最优解反馈机制的随机游走觅食在随机游走觅食过程中，可以通过反馈机制，使得鲸鱼并

文章目录一、理论基础1、郊狼优化算法2、COA算法流程图二、仿真实验与分析1、WSN覆盖优化（1）节点覆盖模型（2）实验分析2、工程设计优化（1）焊接梁优化设计问题（2）压缩弹簧优化设计问题（3）压力容器优化设计问题三、参考文献一、理论基础1、郊狼优化算法郊狼优化算法(Coyote Optimization Algorithm, COA)通过模拟郊狼生活中成长、生死、繁殖和变迁等社会活动完成仿生优化计算，具体步骤如下：Step 1. COA算法将种群划分为Np∈N∗N_p\in\mathbb N^*

文章目录一、焊接梁设计问题二、压缩弹簧设计问题三、压力容器设计问题四、参考文献一、焊接梁设计问题焊接梁设计问题(Welded Beam Design, WBD)是一个最小化问题，其中优化算法是为了降低设计的制造成本。该优化问题可以描述为寻找满足切应力(τ\tauτ)、弯曲应力(θ\thetaθ)、梁条弯曲载荷(PcP_cPc​)、末端偏差(δ\deltaδ)和边界条件等约束的四个设计变量——即梁条的长度(lll)、高度(ttt)、厚度(bbb)和焊缝厚度(hhh)，使得制造焊接梁的费用最小，因此焊接梁问