53个结果
拥有是一种新型meta-heuristic全局优化算法
func_plot (func_name)——___________________________________________________________________ %
Get_Functions_details (F)——___________________________________________________________________ %
拥有(SearchAgents_no Max_iter,磅,乌兰巴托,昏暗,fobj)——___________________________________________________________________ %
初始化(SearchAgents_no昏暗,乌兰巴托,磅)——___________________________________________________________________ %
main.m——___________________________________________________________________ %
灰太狼的工具箱优化器(拥有)算法
提交了最近提出的灰太狼优化器训练多层感知器
多目标版本的蜻蜓算法(DA)求解多目标问题
RankingProcess (Archive_F ArchiveMaxSize obj_no)——___________________________________________________________________ %
RouletteWheelSelection(权重)——___________________________________________________________________ %
HandleFullArchive (Archive_X、Archive_F Archive_member_no、Archive_mem_ranks ArchiveMaxSize)——___________________________________________________________________ %
UpdateArchive (Archive_X、Archive_F Particles_X、Particles_F Archive_member_no)——___________________________________________________________________ %
利维(d)——已从这个函数的代码:
MODA.m——___________________________________________________________________ %
主导(x, y)——___________________________________________________________________ %
距离(a, b)——___________________________________________________________________ %
Draw_ZDT1 ()——___________________________________________________________________ %
ZDT1 (x)——___________________________________________________________________ %
初始化(SearchAgents_no昏暗,乌兰巴托,磅)——___________________________________________________________________ %
这是原始版本的遗传算法的实现
交叉(parent1 parent2,……Pc, crossoverName)——写的博士Seyedali Mirjalili
精英主义(人口、newPopulation Er)——写的博士Seyedali Mirjalili
GeneticAlgorithm——写的博士Seyedali Mirjalili
初始化(M, N)——写的博士Seyedali Mirjalili
点突变(孩子)——写的博士Seyedali Mirjalili
选择(人口)——写的博士Seyedali Mirjalili
球(X)——写的博士Seyedali Mirjalili
SSA是一个简略的解决优化问题的新算法
SSA (N Max_iter磅、乌兰巴托、暗淡,fobj)——_________________________________________________________________________________
Get_Functions_details (F)——_________________________________________________________________________________
main.m——_________________________________________________________________________________
初始化(SearchAgents_no昏暗,乌兰巴托,磅)——_________________________________________________________________________________
func_plot (func_name)——_________________________________________________________________________________
这个提交可以直观地看到粒子群优化粒子的运动。
蜻蜓的二进制版本算法(DA)求解二进制优化问题
利维(d)——已从这个函数的代码:
BDA (N, max_iter,据nVar CostFunction)——___________________________________________________________________ %
MyCost (x)——___________________________________________________________________ %
Main.m——___________________________________________________________________ %
WOA是解决简略优化问题的新算法
func_plot (func_name)——_________________________________________________________________________ %
Get_Functions_details (F)——_________________________________________________________________________ %
初始化(SearchAgents_no昏暗,乌兰巴托,磅)——_________________________________________________________________________ %
main.m——_________________________________________________________________________ %
WOA (SearchAgents_no Max_iter,磅,乌兰巴托,昏暗,fobj)——_________________________________________________________________________ %
一个增强的二进制粒子群优化算法(VPSO)和v型转移功能
多目标版本的最近提议灰太狼优化器(拥有)。
樽海鞘群算法的多目标版本(SSA)
Draw_ZDT1 ()——_________________________________________________________________________________
UpdateArchive (Archive_X、Archive_F Particles_X、Particles_F Archive_member_no)——_________________________________________________________________________________
初始化(SearchAgents_no昏暗,乌兰巴托,磅)——_________________________________________________________________________________
RouletteWheelSelection(权重)——请注意,这些代码已从:
主导(x, y)——_________________________________________________________________________________
HandleFullArchive (Archive_X、Archive_F Archive_member_no、Archive_mem_ranks ArchiveMaxSize)——_________________________________________________________________________________
RankingProcess (Archive_F ArchiveMaxSize obj_no)——_________________________________________________________________________________
MSSA.m——_________________________________________________________________________________
ZDT1 (x)——_________________________________________________________________________________
的多目标版本Multi-Verse优化算法
truePF IGD_matlab (PF)——______________________________________________________________________________________
truePF GeneralizedSpread_matlab (PF)——______________________________________________________________________________________
HandleFullArchive (Archive_X、Archive_F Archive_member_no、Archive_mem_ranks ArchiveMaxSize)——______________________________________________________________________________________
hypeIndicatorExact8(界限,暗)——______________________________________________________________________________________
主导(x, y)——______________________________________________________________________________________
truePF Spread_matlab (PF)——______________________________________________________________________________________
MOMVO (Max_time N ArchiveMaxSize)——______________________________________________________________________________________
Diversity_metric_delta (pareto_fun事实)——______________________________________________________________________________________
truePF epsilon_matlab (PF)——______________________________________________________________________________________
main.m——______________________________________________________________________________________
metric_of_spacing (pareto_fun)——______________________________________________________________________________________
RankingProcess (Archive_F ArchiveMaxSize obj_no)——______________________________________________________________________________________
初始化(SearchAgents_no昏暗,乌兰巴托,磅)——______________________________________________________________________________________
metric_of_maximum_spread (pareto_fun事实)——______________________________________________________________________________________
truePF GD_matlab (PF)——______________________________________________________________________________________
UpdateArchive (Archive_X、Archive_F Particles_X、Particles_F Archive_member_no)——______________________________________________________________________________________
Generational_distance (pareto_fun事实)——______________________________________________________________________________________
Obj_function (x)——______________________________________________________________________________________
RouletteWheelSelection(权重)——______________________________________________________________________________________
Biogeography-Based优化器(偏硼酸钡)是作为教练使用多层感知器(MLP)
偏硼酸钡(ProblemFunction DisplayFlag、ProbFlag RandSeed)——Biogeography-based优化(偏硼酸钡)软件最小化一个通用函数
ClearDups(人口、MaxParValue MinParValue)——确保没有重复的人在人群中。
算法(ProblemFunction DisplayFlag)——蚁群优化算法优化一个通用函数。
ES (ProblemFunction DisplayFlag)——(mu-plus-lambda)优化一般函数的进化策略。
《护理——函数[MaxParValue、MinParValue、人口、选项]= AckleyInit(选项)
MLP_Iris——函数[MaxParValue、MinParValue、人口、选项]= MLP_IrisInit(选项)
ComputeAveCost(人口)——计算所有法律人人口的平均成本。
PBIL (ProblemFunction DisplayFlag)——基于概率的增量学习(PBIL)优化一个通用函数。
PopSort(人口)——人口成员从最好到最差
结论(DisplayFlag、期权、人口、nLegal MinCost)——基于优化算法的输出结果。
蒙特——蒙特卡洛的执行以人群为基础的优化软件
Init (DisplayFlag ProblemFunction RandSeed)——初始化以人群为基础的优化软件。
PSO (ProblemFunction DisplayFlag)——粒子群优化优化一个通用函数。
GA (ProblemFunction DisplayFlag)——遗传算法优化一个通用函数。
粒子群优化算法与自治团体的粒子
TACPSO (N, Max_iteration,磅,乌兰巴托,昏暗,fobj)——自治团体粒子群优化(AGPSO)源代码版本1.1%
IPSO (N Max_iteration磅、乌兰巴托、暗淡,fobj)——自治团体粒子群优化(AGPSO)源代码版本1.1%
MPSO (N Max_iteration磅、乌兰巴托、暗淡,fobj)——自治团体粒子群优化(AGPSO)源代码版本1.1%
PSO (N Max_iteration磅、乌兰巴托、暗淡,fobj)——自治团体粒子群优化(AGPSO)源代码版本1.1%
Main.m——自治团体粒子群优化(AGPSO)源代码版本1.1%
AGPSO1 (N, Max_iteration,磅,乌兰巴托,昏暗,fobj)——自治团体粒子群优化(AGPSO)源代码版本1.1%
func_plot (func_name)——自治团体粒子群优化(AGPSO)源代码版本1.1%
改善与混乱的引力常数的引力搜索算法
Main.m——_________________________________________________________________________ %
混乱(索引、curr_iter max_iter值)——_________________________________________________________________________ %
这是一个简单的实数编码模拟退火算法的实现。
Biogeography-Based优化器(偏硼酸钡)是作为教练使用多层感知器(MLP)优秀人才
MLP_Cancer——函数[MaxParValue、MinParValue、人口、选项]= MLP_IrisInit(选项)
ES (ProblemFunction DisplayFlag)——(mu-plus-lambda)优化一般函数的进化策略。
地图——以下是发现通过穷举搜索最好的20/4地图传感器集。
算法(ProblemFunction DisplayFlag)——蚁群优化算法优化一个通用函数。
PopSort(人口)——人口成员从最好到最差
PSO (ProblemFunction DisplayFlag)——粒子群优化优化一个通用函数。
Init (DisplayFlag ProblemFunction RandSeed)——初始化以人群为基础的优化软件。
结论(DisplayFlag、期权、人口、nLegal MinCost)——基于优化算法的输出结果。
GA (ProblemFunction DisplayFlag)——遗传算法优化一个通用函数。
蒙特——蒙特卡洛的执行以人群为基础的优化软件
偏硼酸钡(ProblemFunction DisplayFlag、ProbFlag RandSeed)——Biogeography-based优化(偏硼酸钡)软件最小化一个通用函数
ClearDups(人口、MaxParValue MinParValue)——确保没有重复的人在人群中。
ComputeAveCost(人口)——计算所有法律人人口的平均成本。
PBIL (ProblemFunction DisplayFlag)——基于概率的增量学习(PBIL)优化一个通用函数。
MTDE使用一种自适应运动步设计基于一个名为MTV的新multi-trial向量的方法,结合不同的搜索策略
这个提交任何使用遗传算法的二进制图像重构
Main.m——写的博士Seyedali Mirjalili
GeneticAlgorithm——写的博士Seyedali Mirjalili
精英主义(人口、newPopulation Er)——写的博士Seyedali Mirjalili
交叉(parent1 parent2,……Pc, crossoverName)——写的博士Seyedali Mirjalili
PreparePhoto(文件名)——写的博士Seyedali Mirjalili
点突变(孩子)——写的博士Seyedali Mirjalili
选择(人口)——写的博士Seyedali Mirjalili
FitnessFunction——写的博士Seyedali Mirjalili
初始化(M, N)——写的博士Seyedali Mirjalili
这个Matlab演示显示了神经网络进行回归。
连续的遗传算法(CGA)
crossover_continious (parent1 parent2,……电脑,问题)——写的博士Seyedali Mirjalili
CGeneticAlgorithm——写的博士Seyedali Mirjalili
Main.m——写的博士Seyedali Mirjalili
mutation_continious(孩子,点,问题)——写的博士Seyedali Mirjalili
选择(人口)——写的博士Seyedali Mirjalili
初始化(M, N,问题)——写的博士Seyedali Mirjalili
球(X)——写的博士Seyedali Mirjalili
精英主义(人口、newpopulation Er)——写的博士Seyedali Mirjalili
gbest-guided引力搜索算法
main.m——Gbest-guided引力搜索算法(GGSA)。
这个Matlab演示显示了神经网络进行分类。
正弦余弦算法(SCA)的工具箱求解简略优化问题
CostFunction (x)——______________________________________________________________________________________________
SCA_toolbox(变长度输入宗量)——______________________________________________________________________________________________
这是一个简单的实现蚁群优化(ACO)来解决组合优化问题。
BBA是蝙蝠算法优化二进制的二进制版本的问题。
蚱蜢的多目标版本优化算法(MOGOA)
距离(a, b)-距离计算欧几里得距离矩阵
主导(x, y)——_________________________________________________________________________________
Draw_ZDT1 ()——_________________________________________________________________________________
HandleFullArchive (Archive_X、Archive_F Archive_member_no、Archive_mem_ranks ArchiveMaxSize)——_________________________________________________________________________________
初始化(SearchAgents_no昏暗,乌兰巴托,磅)——_________________________________________________________________________________
MOGOA.m——_________________________________________________________________________________
RankingProcess (Archive_F ArchiveMaxSize obj_no)——_________________________________________________________________________________
RouletteWheelSelection(权重)——请注意,这些代码已从:
S_func(右)——_________________________________________________________________________________
UpdateArchive (Archive_X、Archive_F Particles_X、Particles_F Archive_member_no)——_________________________________________________________________________________
ZDT1 (x)——_________________________________________________________________________________
这个工具箱包括我所有提出的优化算法(拥有、氧化铝、微血管、DA、MFO SCA, WOA)
CostFunction (x)——______________________________________________________________________________________________
Optimization_toolbox(变长度输入宗量)——___________________________________________________________________ %
氧化铝(N Max_iter磅、乌兰巴托、暗淡,fobj,处理)——___________________________________________________________________ %
初始化(SearchAgents_no昏暗,乌兰巴托,磅)——___________________________________________________________________ %
Random_walk_around_antlion(暗淡,max_iter磅,乌兰巴托,蚁狮,current_iter)——___________________________________________________________________ %
RouletteWheelSelection(权重)——请注意,这些代码已从:
DA (SearchAgents_no Max_iteration,磅,乌兰巴托,昏暗,fobj,处理)——___________________________________________________________________ %
距离(a, b)——___________________________________________________________________ %
利维(d)——已从这个函数的代码:
MFO (N, Max_iteration,磅,乌兰巴托,昏暗,fobj,处理)——______________________________________________________________________________________________
微血管(N Max_time磅、乌兰巴托、暗淡,fobj,处理)——_______________________________________________________________________________________ %
WOA (SearchAgents_no Max_iter,磅,乌兰巴托,昏暗,fobj,处理)——_________________________________________________________________________ %
多目标版本的最近提议蚁狮的优化器
主导(x, y)——_________________________________________________________________________ %
Draw_ZDT1 ()——_________________________________________________________________________ %
HandleFullArchive (Archive_X、Archive_F Archive_member_no、Archive_mem_ranks ArchiveMaxSize)——_________________________________________________________________________ %
初始化(SearchAgents_no昏暗,乌兰巴托,磅)——_________________________________________________________________________ %
MALO.m——_________________________________________________________________________ %
Random_walk_around_antlion(暗淡,max_iter磅,乌兰巴托,蚁狮,current_iter)——_________________________________________________________________________ %
RankingProcess (Archive_F ArchiveMaxSize obj_no)——_________________________________________________________________________ %
RouletteWheelSelection(权重)——请注意,这些代码已从:
UpdateArchive (Archive_X、Archive_F Particles_X、Particles_F Archive_member_no)——_________________________________________________________________________ %
ZDT1 (x)——_________________________________________________________________________ %
10混乱的地图,可以集成到任何meta-heuristics
这个提交包括三个文件实现爬山算法解决优化问题。
提交了最近提出的灰太狼优化器训练多层感知器
Get_Functions_details (F)——训练前馈神经网络使用灰太狼优化器%
拥有(SearchAgents_no Max_iter,磅,乌兰巴托,昏暗,fobj)——训练前馈神经网络使用灰太狼优化器%
初始化(SearchAgents_no昏暗,乌兰巴托,磅)——训练前馈神经网络使用灰太狼优化器%
main.m——训练前馈神经网络使用灰太狼优化器%
MLP_XOR——函数[MaxParValue、MinParValue、人口、选项]= MLP_XORInit(选项)
My_sigmoid (x)——训练前馈神经网络使用灰太狼优化器%
my_simulate (Hno,进气阀打开,小野,W, B, x)——训练前馈神经网络使用灰太狼优化器%
my_simulate_2_inputs (W, B, x1, x2, Hno)——训练前馈神经网络使用灰太狼优化器%
最简单的实现模拟退火求解旅行推销员问题
蚁狮的工具箱优化器(氧化铝)算法
氧化铝(N Max_iter磅、乌兰巴托、暗淡,fobj,把手,值)——___________________________________________________________________ %
ALO_toolbox(变长度输入宗量)——___________________________________________________________________ %
CostFunction (x)——___________________________________________________________________ %
初始化(SearchAgents_no昏暗,乌兰巴托,磅)——___________________________________________________________________ %
Random_walk_around_antlion(暗淡,max_iter磅,乌兰巴托,蚁狮,current_iter)——___________________________________________________________________ %
RouletteWheelSelection(权重)——请注意,这些代码已从:
一个工具箱Multi-Verse优化器(微血管)算法
CostFunction (x)——_______________________________________________________________________________________ %
初始化(SearchAgents_no昏暗,乌兰巴托,磅)——_______________________________________________________________________________________ %
RouletteWheelSelection(权重)——请注意,这些代码已从:
微血管(N Max_time磅、乌兰巴托、暗淡,fobj,处理)——_______________________________________________________________________________________ %
MVO_toolbox(变长度输入宗量)——______________________________________________________________________________________ %
的工具箱Moth-flame优化(MFO)算法求解优化问题
CostFunction (x)——______________________________________________________________________________________________
初始化(SearchAgents_no昏暗,乌兰巴托,磅)——______________________________________________________________________________________________
MFO (N, Max_iteration,磅,乌兰巴托,昏暗,fobj,把手,值)——______________________________________________________________________________________________
MFO_toolbox(变长度输入宗量)——______________________________________________________________________________________________
微血管是小说meta-heuristic全局优化算法
func_plot (func_name)——_______________________________________________________________________________________ %
微血管(N Max_time磅、乌兰巴托、暗淡,fobj)——_______________________________________________________________________________________ %
Get_Functions_details (F)——_______________________________________________________________________________________ %
RouletteWheelSelection(权重)——请注意,这些代码已从:
初始化(SearchAgents_no昏暗,乌兰巴托,磅)——_______________________________________________________________________________________ %
main.m——_______________________________________________________________________________________ %
MFO是小说meta-heuristic算法解决优化问题
func_plot (func_name)——______________________________________________________________________________________________
main.m——______________________________________________________________________________________________
MFO (N, Max_iteration,磅,乌兰巴托,昏暗,fobj)——______________________________________________________________________________________________
Get_Functions_details (F)——______________________________________________________________________________________________
初始化(SearchAgents_no昏暗,乌兰巴托,磅)——______________________________________________________________________________________________
50 chaos-embedded版本的偏硼酸钡算法
。——函数[MaxParValue、MinParValue、人口、选项]= RosenbrockInit(选项)
Penalty1——函数[MaxParValue、MinParValue、人口、选项]= Penalty1Init(选项)
弗莱彻——函数[MaxParValue、MinParValue、人口、选项]= FletcherInit(选项)
《护理——函数[MaxParValue、MinParValue、人口、选项]= AckleyInit(选项)
TransitionMonte (ProblemFunction、DisplayFlag PopSize、RandSeed nMonte)——相关计算理论数量简单偏硼酸钡算法。
ExitFlag CountUnique(人口)——数一数独特的解决方案金宝搏官方网站
四次——函数[MaxParValue、MinParValue、人口、选项]= QuarticInit(选项)
蒙特——蒙特卡洛的执行以人群为基础的优化软件
CBBO31_40 (ProblemFunction、DisplayFlag ProbFlag、RandSeed ChaosVec)——Biogeography-based优化(偏硼酸钡)软件最小化一个通用函数
ComputeAveCost(人口)——计算所有法律人人口的平均成本。
PopSort(人口)——人口成员排序成本最低(最好的)最高成本(最差)。
Init (DisplayFlag ProblemFunction RandSeed)——初始化以人群为基础的优化软件。
偏硼酸钡(ProblemFunction DisplayFlag、ProbFlag RandSeed)——Biogeography-based优化(偏硼酸钡)软件最小化一个通用函数
Schwefel——函数[MaxParValue、MinParValue、人口、选项]= SchwefelInit(选项)
CBBO1_10 (ProblemFunction、DisplayFlag ProbFlag、RandSeed ChaosVec)——Biogeography-based优化(偏硼酸钡)软件最小化一个通用函数
ClearDups(人口、MaxParValue MinParValue)——确保没有重复的人在人群中。
CBBO21_30 (ProblemFunction、DisplayFlag ProbFlag、RandSeed ChaosVec)——Biogeography-based优化(偏硼酸钡)软件最小化一个通用函数
Rastrigin——函数[MaxParValue、MinParValue、人口、选项]= RastriginInit(选项)
Griewank——函数[MaxParValue、MinParValue、人口、选项]= GriewankInit(选项)
Penalty2——函数[MaxParValue、MinParValue、人口、选项]= Penalty2Init(选项)
结论(DisplayFlag、期权、人口、nLegal MinCost)——基于优化算法的输出结果。
混乱(索引、max_iter价值)——切比雪夫映射
BBO_chaos (ProblemFunction、DisplayFlag ProbFlag、RandSeed ChaosVec)——Biogeography-based优化(偏硼酸钡)软件最小化一个通用函数
一个函数来解决优化问题使用粒子群优化(PSO)算法
达是一种新型群体智能技术解决简略的优化问题
DA (SearchAgents_no Max_iteration,磅,乌兰巴托,昏暗,fobj)——___________________________________________________________________ %
距离(a, b)——___________________________________________________________________ %
func_plot (func_name)——___________________________________________________________________ %
Get_Functions_details (F)——___________________________________________________________________ %
初始化(SearchAgents_no昏暗,乌兰巴托,磅)——___________________________________________________________________ %
利维(d)——已从这个函数的代码:
main.m——___________________________________________________________________ %
蜻蜓算法(DA)的一个工具箱解决简略的优化问题
DA_toolbox(变长度输入宗量)——___________________________________________________________________ %
DA (SearchAgents_no Max_iteration,磅,乌兰巴托,昏暗,fobj,把手,值)——___________________________________________________________________ %
距离(a, b)——___________________________________________________________________ %
CostFunction (x)——___________________________________________________________________ %
初始化(SearchAgents_no昏暗,乌兰巴托,磅)——___________________________________________________________________ %
利维(d)——已从这个函数的代码:
氧化铝是一种新型meta-heuristic全局优化算法
氧化铝(N Max_iter磅、乌兰巴托、暗淡,fobj)——___________________________________________________________________ %
func_plot (func_name)——___________________________________________________________________ %
Get_Functions_details (F)——___________________________________________________________________ %
初始化(SearchAgents_no昏暗,乌兰巴托,磅)——___________________________________________________________________ %
main.m——___________________________________________________________________ %
Random_walk_around_antlion(暗淡,max_iter磅,乌兰巴托,蚁狮,current_iter)——___________________________________________________________________ %
RouletteWheelSelection(权重)——请注意,这些代码已从:
PSOGSA PSO和GSA的有效结合。
世界上最具挑战性的健壮的多目标检测问题
MTP19 (x)——安德鲁的健壮的基准problem-multi-objective版本
Test1 (x)- 3 MTP10的目标
MTP12 (x)- 3 MTP11的目标
MTP32 (x)这个函数类似于ZDT3
MTP18 (x)——安德鲁的健壮的基准problem-multi-objective版本
MTP20 (x)——安德鲁的健壮的基准problem-multi-objective版本
MTP15 (x)——3 d佩尔
MTP27 (x)这个函数类似于ZDT3
MTP14 (x)-佩尔
MTP13 (x)-佩尔
MTP33 (x)这个函数类似于ZDT3
MTP31 (x)这个函数类似于ZDT3
MTP29 (x)——这个函数(n - 1)的当地帕累托方面1全球和1
MTP22 (x)——安德鲁的健壮的基准problem-multi-objective版本
MTP30 (x)——这个函数(n - 1)的当地帕累托方面1全球和1
MTP26 (x)——安德鲁的健壮的基准problem-multi-objective版本
MTP23 (x)——安德鲁的健壮的基准problem-multi-objective版本
MTP17 (x)- 3 MTP10的目标
MTP25 (x)——安德鲁的健壮的基准problem-multi-objective版本
MTP28 (x)——这个函数(n - 1)的当地帕累托方面1全球和1
MTP21 (x)——安德鲁的健壮的基准problem-multi-objective版本
MTP24 (x)——安德鲁的健壮的基准problem-multi-objective版本
这个程序是一个改进的前馈神经网络使用一个叫做PSOGSA混合算法。
鲸鱼的工具箱优化算法(WOA)解决优化问题
CostFunction (x)——_________________________________________________________________________ %
初始化(SearchAgents_no昏暗,乌兰巴托,磅)——_________________________________________________________________________ %
WOA (SearchAgents_no Max_iter,磅,乌兰巴托,昏暗,fobj,把手,值)——_________________________________________________________________________ %
WOA_toolbox(变长度输入宗量)——_________________________________________________________________________ %
果是一种新型meta-heuristic算法全局优化
func_plot (func_name)——_________________________________________________________________________ %
Get_Functions_details (F)——_________________________________________________________________________ %
果阿(N Max_iter磅、乌兰巴托、暗淡,fobj)——_________________________________________________________________________ %
初始化(N,昏暗,上,下)——_________________________________________________________________________ %
main.m——_________________________________________________________________________ %
S_func(右)——_________________________________________________________________________ %
这个项目包含了一个新的变种拥有将记忆,进化算子和随机局部搜索技术。
