自适应对抗黏菌优化算法（AOSMA）如何优化单目标求解？
- 内容介绍
- 文章标签
- 相关推荐
本文共计634个文字，预计阅读时间需要3分钟。
1. 简介 + 酵母优化算法（Slime Mould Algorithm，SMA）由Li等在2020年提出，灵感来源于酵母的扩散和摄食行为，属于元启发式算法。该算法具有收敛速度快、寻优能力强等特点。+ 酵母优化算法利用数学原理进行优化。
1 简介
黏菌优化算法（Slime mould algorithm，SMA）由 Li等于 2020 年提出，其灵感来自于黏菌的扩散和觅食行为，属于元启发算法。具有收敛速度快，寻优能力强的特点。黏菌优化算法用数学模型模仿黏菌觅食行为和形态变化， SMA 包括三个阶段，分别为接近食物阶段、包围食物阶段和抓取食物阶段。
本文共计634个文字，预计阅读时间需要3分钟。
1. 简介 + 酵母优化算法（Slime Mould Algorithm，SMA）由Li等在2020年提出，灵感来源于酵母的扩散和摄食行为，属于元启发式算法。该算法具有收敛速度快、寻优能力强等特点。+ 酵母优化算法利用数学原理进行优化。
1 简介
黏菌优化算法（Slime mould algorithm，SMA）由 Li等于 2020 年提出，其灵感来自于黏菌的扩散和觅食行为，属于元启发算法。具有收敛速度快，寻优能力强的特点。黏菌优化算法用数学模型模仿黏菌觅食行为和形态变化， SMA 包括三个阶段，分别为接近食物阶段、包围食物阶段和抓取食物阶段。