麻雀搜索算法（Sparrow Search Algorithm，SSA）是一种受麻雀觅食行为启发的群智能优化算法，在麻雀的觅食过程中，个体通常被分为探索者和追随者。在SSA中，具有较好适应度值的探索者在搜索过程中会优先获取食物。此外，个体之间会相互监视，麻雀种群中的追随者为了提高自身的捕食率，通常会争夺高摄取量同伴的食物资源。融合正余弦和柯西变异的麻雀搜索算法（SCSSA）是关于SSA的改进版本，

基于冠豪猪优化器CPO的城市三维无人机路径规划（复杂地形三维航迹路径规划）

人类进化优化算法(HEOA)是一种受人类进化启发的元启发式算法，该算法具备强大的全局搜索和局部搜索能力，能够在复杂的搜索空间中找到最优解。通过对算法的性能进行仿真实验，我们发现该方法能够有效地规划出满足避障要求的无人机三维航迹，并且具有较高的规划效率。这意味着，我们的方法能够在城市复杂环境中，快速而准确地为无人机规划出一条既安全又高效的飞行路径，为无人机的实际应用提供了有力支持。这意味着，我们的方

通过对算法的性能进行仿真实验，我们发现该方法能够有效地规划出满足避障要求的无人机三维航迹，并且具有较高的规划效率。这意味着，我们的方法能够在城市复杂环境中，快速而准确地为无人机规划出一条既安全又高效的飞行路径，为无人机的实际应用提供了有力支持。这意味着，我们的方法不仅能够确保无人机在飞行过程中的安全，还能在较短时间内找到最优的飞行路径，提高了无人机的整体飞行效率。这种方法将复杂的无人机路径规划问题

粒子群优化算法（Particle Swarm Optimization，PSO）灵感来源于鸟群的群体行为。它是一种基于群体智能的优化算法，可用来解决优化问题。粒子群优化算法（PSO）可以用于优化神经网络中的参数，包括神经网络的权重和偏置。在优化BP神经网络中，PSO可以帮助找到更好的权重和偏置的组合，以提高神经网络的性能。在BP神经网络中，PSO主要用于调整网络的权重和偏置。通过PSO算法，可以在

自适应差分进化算法(SaDE)和差分进化算法(DE)可以用于优化神经网络中的参数，包括神经网络的权重和偏置。在优化BP神经网络中，DE和SaDE可以帮助找到更好的权重和偏置的组合，以提高神经网络的性能。在BP神经网络中，优化算法主要用于调整网络的权重和偏置。通过智能优化算法，可以在权衡探索和开发的过程中，更有效地搜索到神经网络的参数组合，以降低误差、提高分类准确率或者加速网络收敛。自适应差分进化算

自适应差分进化算法(SaDE)可以用于优化神经网络中的参数，包括神经网络的权重和偏置。在优化BP神经网络中，SaDE可以帮助找到更好的权重和偏置的组合，以提高神经网络的性能。在BP神经网络中，SaDE主要用于调整网络的权重和偏置。通过SaDE算法，可以在权衡探索和利用的过程中，更有效地搜索到神经网络的参数组合，以降低误差、提高分类准确率或者加速网络收敛。自适应差分进化算法(SaDE)优化BP神经网

9个工程问题/工程设计问题合集：13种智能优化算法跑19个工程优化问题

上面，体现算法解决实际问题的能力。群体智能优化算法在无人机三维路径规划中扮演关键角色，其全局搜索能力允许同时考虑多个解决方案，避障优化确保路径安全，自适应性适应不同飞行任务需求，并行搜索加快最优解寻找速度。海洋捕食者算法是一种新型元启发式优化算法，主要模拟了海洋中适者生存的过程，启发于自然界中捕食者的捕食策略。在算法中，“猎物”、“捕食者”这两个身份对个体而言是变换的，且其独有的海洋记忆存储阶段与

自适应差分进化算法(SaDE)和差分进化算法(DE)可以用于优化神经网络中的参数，包括神经网络的权重和偏置。在优化BP神经网络中，DE和SaDE可以帮助找到更好的权重和偏置的组合，以提高神经网络的性能。在BP神经网络中，优化算法主要用于调整网络的权重和偏置。通过智能优化算法，可以在权衡探索和开发的过程中，更有效地搜索到神经网络的参数组合，以降低误差、提高分类准确率或者加速网络收敛。自适应差分进化算