说明：蚁群算法是一种用来寻找优化路径的概率型算法。它由Marco Dorigo于1992年在他的博士论文中提出，其灵感来源于蚂蚁在寻找食物过程中发现路径的行为。 这种算法具有分布计算、信息正反馈和启发式搜索的特征，本质上是进化算法中的一种启发式全局优化算法。
说明：蚁群优化（ACO）是受蚂蚁社会行为的启发而提出的一组概率元启发式算法和一种智能优化算法。蚁群算法也被归类为群体智能方法，因为实现了这种范式，通过模拟蚂蚁在这些算法结构中的行为。
说明：这是一个启发式算法，并命名为改进粒子群优化，用于许多问题，例如寻找最佳点，在计算机科学，粒子群优化算法，粒子群优化算法是一种计算方法，优化和优化和解决问题，试图提高一个给定的质量问题，在一个给定的质量指标。它解决了一个问题，有人口的候选解决方案，这里被称为“粒子”，并移动这些粒子周围的“搜索空间”，...
说明：粒子群优化算法源自对鸟群捕食行为的研究，最初由Kennedy和Eberhart提出，是一种通用的启发式搜索技术。一群鸟在区域中随机搜索食物，所有鸟知道自己当前位置离食物多远，那么搜索的最简单有效的策略就是搜寻目前离食物最近的鸟的周围区域。PSO 算法利用这种模型得到启示并应用于解决优化问题
说明：装箱问题 在装箱问题，对象不同的卷必须挤进有限数量的桶或容器每个的第五卷中将使用的回收箱的数目降至最低的方式。在计算复杂性理论，它是一个组合的 NP 难问题。 还有很多变化的这个问题，如 2D 包装、 线性包装，包装的重量、 包装成本，等等。他们有许多应用程序，例如填满的容器，载货汽车与重量的...
说明：MIDACO是一般的优化问题求解器。 MIDACO可应用于连续（NLP），离散/整数（IP）和混合整数（MINLP）的问题。问题可能被限制在平等和/或不等式约束。 MIDACO适合多达数百至几千优化变量的问题。 MIDACO实现了一个自由衍生物，启发式算法的处理方法处理的问题，因为黑盒可含有关键功能...
说明：2017年研究生数学建模竞赛C题参考资料【大合集】
说明：蛙跳算法程序，蛙跳算法（SFLA）是一种全新的启发式群体进化算法，具有高效的计算性能和优良的全局搜索能力。蛙跳算法的思想是：在一片湿地中生活着一群青蛙。湿地内离散的分布着许多石头，青蛙通过寻找不同的石头进行跳跃去找到食物较多的地方。每只青蛙个体之间通过文化的交流实现信息的交换。每只青蛙都具有自己的文...