【群体智能优化算法】布谷鸟搜索算法matlab求解函数最小值代码，稍微简化了一点点，相关流程和介绍博客中有哦~未简化的代码我就先不上传了嘻嘻嘻

首先声明，本篇文章直接包含所有matlab源代码，直接复制粘贴即可运行，全部都是源代码，可以自己更改的源代码！（不是.p文件！！！，浅浅痛斥一下很多文章为了盈利，还给程序加密！谴责！！）以西储大学数据集为例，选用105.mat中的X105_BA_time.mat数据。 首先进行VMD分解，采用麻雀优化算法（SSA）对VMD的两个关键参数（惩罚因子α和模态分解数K）进行优化，以最小包络熵为适应度值。其他智能优化算法同样适用，关键要学会最小包络熵代码的编写，实验过程中，会实时显示每次寻优后的最小包络熵值和VMD对应的两个最佳参数。本次寻优共100次（自己可以随意更改寻优次数）。

本文档是本人智能优化算法课程的大作业，完全的原创。从蚁群算法的背景知识到基本原理都有详尽的介绍。最后应用蚁群算法解决了TSP问题：问题描述，基本思想，解题步骤，流程图，代码实现，实验仿真，实验结果及结论都有非常详细的记录，希望对有需要的朋友有所帮助

EPSDE的代码；附2014和2017数据集。 EPSDE一种参数集合和变异策略的差分进化算法(Differential evolution algorithm with ensemble of parameters and mutation strategies),2011年Mallipeddi等提出基于参数集成和变异策略的差分进化算法（EPSDE）;在EPSDE中，不同的突变策略池与每个控制参数的值池在整个进化过程中共存，并竞争产生后代。 [1]MALLIPEDDI R, SUGANTHAN P N, PAN Q K, et al. Differential evolution algorithm with ensemble of parameters and mutation strategies [J]. Applied Soft Computing, 2011, 11(2): 1679-96.

萤火虫群智能优化算法（Glowworm Swarm Optimization, GSO）是由K.N.Krishnanand和D.Ghose两位学者在2005年提出的一种通过模拟自然界中萤火虫发光行为而构造出的新型群智能优化算法。它模拟了自然界中萤火虫群中个体通过发光来吸引伙伴或觅食，萤火虫携带荧光素越多，萤火虫越亮，个体的吸引力越强，最终使得大部分萤火虫聚集在最亮的萤火虫所处位置上的这种现象

蜣螂优化算法是最新的群智能优化算法，里面有相关的文章和代码，可以结合自身课题进行研究，值得推荐，亲用优化效果非常的好

麻雀搜索算法(Sparrow Search Algorithm, SSA)是于2020年提出的。SSA 主要是受麻雀的觅食行为和反捕食行为的启发而提出的。该算法比较新颖，具有寻优能力强，收敛速度快的优点

鲸鱼算法是根据鲸鱼的捕食行为而衍生的一种算法，属于智能优化算法的一种。鲸鱼算法是Mirjalili等于2016年提出的一种模拟鲸鱼群体捕食行 为的启发式优化算法，捕食行为称为泡泡网捕食方法，分为搜寻猎物、包围猎物、泡网攻击3个阶段。

智能优化算法：捕食者算法Hunter–prey optimization 的MATLAB源码

由于TSP(Traveling Salesman Problem)与众多网络优化问题在形式上有 一定的相似性，所以研究遗传算法在TSP问题中的应用对后续问题的展开 有一定的指导意义。