Optimal Micro-siting of Wind Farms by Particle Swarm Optimization

采用PSO粒子群优化算法求解TSP旅行商问题 1、输入数据为bayg29.tsp 2、城市数量citycount为29，种群规模Pop_Size为30，迭代次数为500，学习因子 c1、c2取2，惯性权重因子w取0.8，粒子速度最大值绝对值取3.0； 3、运行main.cpp，即可得到最优路径及对应的最短距离，同时粒子群初始化的结果和每次迭代后种群各粒子的路径和距离都会输出到result.txt中。

粒子群优化m文件，参数作为函数自变量，优化某一函数时，直接运行

内点法matlab代码线性规划的乘数交变方向法（ADMM） 该项目是由Junjie（Jason）Zhu和Nico Chaves为Stanford MS＆E 310（线性编程）开发的。 我们实现了ADMM优化方法的几种新颖配置，并进行了一些实验。 有关背景，实验和结果的完整讨论，请参见我们的。 问题产生 要生成一个可行且有限的测试问题，请运行： m = 50; n = 300; prob_seed = 1; [c, A, b, opt_val] = generate_linprog_problem(m, n , prob_seed); 这里的问题将有50个约束和300个变量。 问题种子仅是为了可重复性。 请注意，generate_linprog_problem返回LP的最佳值（由MATLAB的linprog函数计算）。 解算器功能 我们开发了4种ADMM求解器：原始，内部点原始，对偶和内部点对偶。 您可以为每个求解器指定参数以使用预处理和/或块拆分。 如果您选择使用> 2个块来指定块分割，那么我们强烈建议将random permutation参数设置为true。 正如我们在报告中所显示的

群体智能仿生优化算法，称为蒲公英优化器（DO），用于求解连续优化问题 通过求解4个实际优化问题，验证了DO的适用性。实验结果表明，与成熟的算法相比，该方法是一种性能更高的优化器，具有出色的迭代优化和强大的鲁棒性。

针对粒子群容易陷入局部最优的情况，加入了小生境技术，避免了粒子群陷入局部最优，保持种群多样性的优点！

出租车路径规划算法，蚁群算法寻优

混沌粒子群寻优算法和各种常见的混沌吸引子程序，适合新手学习。。。。。。

该程序是cs-svm的程序，用于对svm的算法优化

可扩展机器学习的并行与分布式优化算法综述.pdf