分别用改进的粒子群优化算法和改进的差分进化算法求解柔性作业车间调度问题 问题规模以(工件J*工序P*机器M)表示，例如J20P10M10表示共有20个工件，每个工件有10个工序，总共有10个加工机器可供选择。data文件夹中的文件表示程序所用的数据，其中data_first文件的问题规模是J10P5M6，data_second文件的问题规模是J20P10M10，data_third文件的问题规模是J20P20M15。对于其中数据的解释：横向表示工序，纵向表示机器，每个数值表示机器加工工序的耗时，工序和机器都是按顺序排列的。以data_first.txt文件为例，前五行分别表示第一个工件的5个工序分别在6台机器上加工的时间，第5-10行表示第二个工件的5个工序分别在6台机器上加工的时间，以此类推。 关于编码，本项目采用的是同类问题常用的编码方式，参考论文“基于改进遗传算法的柔性作业车间调度问题研究”，与该论文所述的编码方式不同的是，本项目的编码中第一段为工序编码，第二段为机器编码。DE文件夹中的三个文件分别采用三种不同的初始化方式，其中DE_first.py采用的是完全随机的

matlab开发，实现车间调度问题，可以自己设置工件工序数据。 global mn nn ma ;%mn为总工件数，nn为总工序数，ma为机器数计数从1开始 global M T; %/M为以工件为行，工序为列的机器号矩阵，T为相应的时间矩阵 %global finish;%finish为O（ijk）能够完成的最早时间； global MAX INF;%MAX为数组的最大值，INF为规定的最大值

安全技术-网络信息-面向复杂网络的多智能体进化聚类算法算法研究.pdf

此代码是关于自适应突变策略与参数的差分进化算法(HSDE)，该算法与于2016提出的，在测试单目标性能上是非常不错的。文献来源于：A new differential evolution algorithm with a hybrid mutation operator and self-adapting control parameters for global optimization problems

大数据-算法-高维优化进化算法及其应.pdf

JADE，通过实施一种新的变异策略“DE/current-to-pbest”，可选的外部存档和以自适应方式更新控制参数来提高优化性能。 DE/current-to-pbest 是经典的“DE/current-to-best”的概括，而可选的归档操作利用历史数据来提供进度方向的信息。这两种操作都使种群多样化并提高了收敛性能。参数自适应自动将控制参数更新为适当的值，避免了用户对参数设置与优化问题特征之间关系的先验知识。因此有助于提高算法的鲁棒性。仿真结果表明，在一组 20 个基准问题的收敛性能方面，JADE 优于或至少可与其他经典或自适应 DE 算法、规范粒子群优化和文献中的其他进化算法相媲美。带有外部存档的 JADE 显示了对于相对高维问题的有希望的结果。此外，它清楚地表明，没有固定的控制参数设置适用于各种问题，甚至是单个问题的不同优化阶段。

大数据-算法-高维多目标进化算法研究.pdf

CI进化算法

本人是清泉老师，独自开发了预测赢家进化版主图指标，具有8种模式自动识别预判功能： 1、两点上升见顶回调 2、两点上升中继模式 3、两点上升反转下跌 4、两点下跌见底反弹 5、两点下跌中继模式 6、两点下跌反转上升 7、三点下跌中继模式 8、三点上升中继模式 同时，具备潜在上升转折买点提示功能，下跌黄金分割点位预测功能，上涨黄金分割点位预测功能，全部自动预判，不需要手工画线。 而且，可以根据长线，中线，短线操盘需求，调整自动计算的周期，精准预判股票走势形态，并在主图界面自动提示，功能是十分强大的。 比目前机构版的13000元的预测赢家软件功能还要强大，但是使用起来却更加人性化，自动化。 预测赢家进化版主图指标是2022年最新开发的通达信指标软件，适用于电脑版本，手机版本，是目前唯一一款超越预测赢家软件功能的手机看盘主图指标，需要就赶紧下载试试看。本版本是加密版，可以直接安装到电脑上。 需要手机版的，需要联系博主，购买源码版本。

传统最优化面临新挑战：实际问题 离散性问题——主要指组合优化 不确定性问题——随机性数学模型 大规模问题：超高维 动态优化问题 现代优化方法： 追求满意—近似解 实用性强—解决实际问题