本期文章将讲述常用智能优化算法改进策略---变异篇，一共包含五种常见的变异策略：
高斯变异，t分布扰动变异，自适应t分布扰动变异，柯西变异，差分变异。
五种策略可以方便移植到其他智能算法的改进中！
为了方便大家对变异策略的深入了解，作者将在简单易懂的粒子群算法教大家如何运用这五种策略，今后也方便大家移植到别的智能算法中。
高斯变异：
高斯函数如下：
带入粒子群算法中如下：
t分布扰动变异：
带入粒子群算法中如下：
自适应t分布扰动变异；
对C_Iter进行自适应变化，可以在算法前期进行全局搜索，在后期进行局部搜索，从而达到收敛。
?freen = exp(4.*(l/iter).^2); ?
然后再带入此式当中：
柯西变异：
柯西概率密度函数如下：
带入粒子群算法中：
xnewbest=xbest+xbest×Cauchy(0,1)
随机差分变异：
Xα是全局最优粒子，X‘(t)是随机粒子，r是一个[0,1]的随机数。
结果展示
在CEC2005函数集进行展示，设置迭代次数1000次，种群个数100个。
其中PSO为原始粒子群，GPSO是高斯变异的粒子群，t-PSO是t分布变异的粒子群，self_adaption_t_PSO是自适应t分布变异的粒子群，CPSO是柯西变异的粒子群，DE-PSO是差分变异的粒子群。
注意！本程序代码只是为了教大家如何使用这几种变异策略，如果看到改进后的算法没有原始算法效果好，请不要见怪！
这几种策略并非说用到某种算法上就一定会效果好，关键要看算法本身的原理公式适不适合！要分析其原理并不断进行尝试！
代码展示
代码目录
直接运行MAIN.m脚本文件即可！
点击下方卡片获取更多代码！
往期独家原创优秀算法：
后续会不定时更新哦~
