针对约束优化问题，提出一种自适应人工蜂群算法。算法采用反学习初始化方法使初始种群均匀分布于搜索空间。为了平衡搜索过程中可行个体和不可行个体的数量，算法使用自适应选择策略。在跟随蜂阶段，采用最优引导搜索方程来增强算法的开采能力。通过对13个标准测试问题进行实验并与其他算法比较，发现自适应人工蜂群算法具有较强的寻优能力和较好的稳定性。

三维空间中多站纯角度无源定位跟踪实质上是一个非线性状态估计问题。经典的扩展卡尔曼滤波（EKF）算法等递推类算法性能不稳定，而将非线性观测方程转化为伪线性方程会产生有偏估计。为了实现快速稳定无偏定位跟踪，提出了一种新的双站纯角度快速渐进无偏定位跟踪算法。该算法通过对未知状态变量含二次约束的伪线性方程进行约束最小二乘（CLS）极小化处理，最终只需要对一对矩阵束进行广义特征分解即可获得目标状态估计值。仿真结果表明，该算法与EKF算法及最小二乘（LS）算法相比，定位性能更稳定，精度更高，在测量误差较大或者两个观测站测量误差不一致时优势更明显。

等式约束下的范数最小问题求解； 在数学中，范数是从实数或复数向量空间到非负实数的函数，其行为方式类似于到原点的距离：它与缩放对易，服从三角不等式的形式，并且为零只在原点。具体来说，向量到原点的欧几里得距离是一个范数，称为欧几里得范数或2-范数，也可以定义为向量与其自身 的内积的平方根。半范数满足范数的前两个属性，但对于除原点以外的向量可能为零。[1]具有指定范数的向量空间称为范数向量空间。以类似的方式，具有半范数的向量空间称为半范数向量空间。 在受约束的最小二乘法中，通过对解的附加约束来解决线性最小二乘问题。即无约束方程{\displaystyle \mathbf {X} {\boldsymbol {\beta }}=\mathbf {y} }\mathbf {X} {\boldsymbol {\beta }}=\mathbf {y}必须尽可能紧密地拟合（在最小二乘意义上），同时确保{\displaystyle {\boldsymbol {\beta }}}{\boldsymbol {\beta }}得到维护。

不等式约束下的线性规划； 线性规划（LP），也称为线性优化，是一种在其要求由线性关系表示的数学模型中实现最佳结果（例如最大利润或最低成本）的方法。线性规划是数学规划（也称为数学优化）的一种特殊情况。更正式地说，线性规划是一种优化线性 目标函数的技术，受线性等式和线性不等式 约束。它的可行域是一个凸多面体，它是一个集合，定义为有限多个半空间的交集，每个半空间都由一个线性不等式定义。它的目标函数是定义在这个多面体上的实值仿射（线性）函数。线性规划算法在多面体中找到一个点如果存在这样的点，则此函数具有最小（或最大值）值。 出于多种原因，线性规划是一个广泛使用的优化领域。运筹学中的许多实际问题可以表示为线性规划问题。线性规划的某些特殊情况，例如网络流问题和多商品流问题，被认为足够重要，可以对专门的算法进行大量研究。许多其他类型的优化问题的算法通过将线性规划问题作为子问题来解决。从历史上看，线性规划的思想启发了优化理论的许多核心概念，例如对偶性、 分解和凸性的重要性及其概括。

针对卫星通信网频谱资源利用率低下的问题，以信道有效容量最大化为优化目标，提出了一种支持时延约束的卫星 Underlay认知无线网络功率控制与优化算法. 首先根据网络拓扑结构建立了功率干扰模型，通过引入时域信道相关系数，推导了完全与非完全信道环境下基于时延约束的认知用户有效容量优化目标函数，并利用Lagrange方法求解得到不同场景下认知用户的最佳功率调整策略，简化了功率控制优化过程，最后通过实验仿真分析了影响认知用户信道有效容量的因素. 结果表明，该算法能够根据业务时延约束条件和信道衰落特性变化动态调整认

UCF文件中时序约束的语法，很通俗易懂，手把手教

时序约束可以成为设计人员最好的朋友，能帮助您快速完成设计。 为保证设计的成功，设计人员必须确保设计能在特定时限内完成指定任务。要 实现这个目的，我们可将时序约束应用于连线中——从某 FPGA 元件到 FPGA 内 部或 FPGA 所在 PCB 上后续元件输入的一条或多条路径。

讲的很详细的时序约束的资料！特别是SDC约束，讲的很清楚明白

附件是三发导弹协同制导matlab仿真程序代码，该仿真程序主要有以下特点： 1.三发协同制导； 2.目标为余弦机动目标； 3.弹群中所有弹的起始剩余时间各不相同，经过制导律修正后可以做到同时打击目标的制导效果； 4.每发弹都受弹群中其他弹的剩余时间影响，进而通过制导律对自身弹道进行修正，已达到饱和攻击的目标。

论文研究-基于随机活动工期的资源约束项目鲁棒性调度优化.pdf,  项目进度计划的鲁棒性对于不确定条件下项目的顺利实施具有重要影响. 作者研究具有随机活动工期的资源约束项目鲁棒性调度问题, 目标是在可更新资源和项目工期约束下安排活动的开始时间, 以实现项目进度计划鲁棒性的最大化. 首先对所研究问题进行界定并用一个示例对其进行说明. 随后构建问题的优化模型, 设计禁忌搜索、多重迭代和随机生成三种启发式算法. 最后在随机生成的标准算例集合上对算法进行测试, 分析项目活动数、 项目工期和资源强度等参数对算法绩效的影响, 并用一个算例对研究进行说明, 得到如下结论: 禁忌搜索的满意解质量明显高于其他两种算法; 当资源强度或项目工期增大时, 平均目标函数值上升, 禁忌搜索的求解优势增强. 研究结果可为不确定条件下项目进度计划的制定提供决策支持.