说明：该程序为蚁狮（Antlion）搜索优化算法，ALO，具有比粒子群PSO、遗传算法GA等更优的性能。

alo-id 搜索 遗传粒子群 pso-ga 蚁狮算法

说明：基于多种群的遗传算法目标函数优化，达到最优的收敛速率。

Convergence-rate 遗传函数收敛 多种群遗传 多种群 多种群-遗传

说明：利用粒子群优化神经网络，加快收敛，防止陷入局部最优，仿真效果较好，可直接运行，粒子群参数都设置完整，若效果不好，可自行调整参数

说明：基于遗传算法的路径优化,对主要讨论的问题进行了理论分析。接着根据课题要求进行数学建模，分别从乘车时间最短和换乘次数最少两个方面建立目标函数，并根据路线上站点数、路线数、路线集连通性等对数学模型建立约束条件。通过遗传算法运用matlab工具对数学模型编程求最优解。

说明：连续体拓扑优源代码只需输入以下参数即可高效实现结构拓扑优化nelx=160; %网格数nely=100; %网格数volfrac=0.2; %体积约束penal=3.0; %惩罚函数rmin=2.5; %过滤半径

说明：NSGA2多目标优化算法，配上说明文档 NSGA-Ⅱ算法是 Srinivas 和 Deb 于 2000 年在 NSGA 的基础上提出的，它比 NSGA算法更加优越：它采用了快速非支配排序算法，计算复杂度比 NSGA 大大的降低；采用了拥挤度和拥挤度比较算子，代替了需要指定的共享半径 shareQ，并...

空间均匀采样 多能计算 NSGA2-比 NSGA-Ⅱ nsga2-matlab

说明：运用粒子群算法对ELM算法进行优化，以达到算法的最优性。

PSO ELM 粒子群算法 ELM算法

说明：Morlet小波带宽参数优化，利用shannon小波熵算法，非常实用。里面包括Morlet连续小波变化的实现

Morlet小波 Morlet 带宽参数

说明：对多目标优化算法NSGA-II算法的改进，该算法进化代数少，但是获得的最终效果特别好！

NSGA nsga-改进 NSGA-II改进算法 改进多目标 改进的NSGA-II

说明：二进制粒子群优化算法pso，主程序：swarmpso.m 它包括以下子程序：1.　初始化：swarminit.m2.　适应值计算函数：swarmeval.m；

粒子群-适应值 二进制-粒子群 PSO-二进制 matlab-pso binary-pso-matlab