MeshBaker 这个是专门合并网格的插件，性能优化神器，可在运行时批量生成物体，并动态的合并网格，减少开销

最优化教材，线性规划、非线性规划，约束极值、无约束极值，比较全面。

多能源系统优化包含粒子群SVM等优化算法，提供模糊数据以及仿真结果，仅供参考哦

多目标优化模型matlab详细代码，文件里面有代码说明。以及代码注释

该资源使用matlab编写的有约束条件的粒子群算法，其中的代码对于解决一些约束问题可能会有很大的帮助，也可以为一些人提供一些想法与思路

利用python语言，通过遗传算法对微电网进行优化调度

最优化方法的经典教材，具有很好的学术价值和工程意义

最优化方法习题+答案 共两套题 可作学习参考用

针对细菌觅食算法在优化过程中环境感知能力较弱且容易陷入局部极值的缺陷, 将梯度粒子群算法的基本思想引入细菌觅食算法中, 改进原算法的收敛速度和收敛能力, 并据此提出了基于梯度粒子群算法的细菌觅食算法GPSO-BFA。该既利用了细菌觅食算法出色的全局搜索能力, 又借助梯度粒子群算法的快速局部寻优能力, 很好地将两者的优势结合在一起。基于6个高维Benchmark函数的实验结果显示, 该算法在收敛速度和精度方面都优于其他四种细菌觅食算法。

最优化算法python实现篇（4）——无约束多维极值（梯度下降法）摘要算法简介注意事项算法适用性python实现实例运行结果算法过程可视化 摘要 本文介绍了多维无约束极值优化算法中的梯度下降法，通过python进行实现，并可视化展示了算法过程。 算法简介 给定初始点，沿着负梯度方向（函数值下降最快的方向）按一定步长（机器学习中也叫学习率）进行搜索，直到满足算法终止条件，则停止搜索。 注意事项 学习率不能太小，也不能太大，可以多尝试一些值。当然每次沿着负梯度方向搜索时，总会存在一个步长使得该次搜索的函数值最低，也就是一个一维无约束极值问题，可调用黄金分割法的一维无约束优化方法求取最佳步长（学习率