本资源为差分进化算法C++的实现，在头文件里进行声明和定义，可直接调用，代码都用中文进行详细的注释。

1、MOEA/D-FD是一种求解动态多目标优化问题的新算法，在动态多目标优化问题中，多目标函数和/或约束可能会随时间变化，这就需要多目标优化算法跟踪运动的Pareto最优解和/或Pareto最优前沿。当检测到环境变化时，设计一阶差分模型来预测一定数量Pareto最优解的新位置。另外，旧的pareto最优解的一部分被保留到新种群中。将预测模型融合到基于分解的多目标进化算法中，求解动态多目标优化问题。通过这种方式，可以更快地跟踪更改后的POS或POF。该算法在多个具有不同动态特性和难度的典型基准问题上进行了测试。实验结果表明，该算法在求解动态多目标优化问题时具有较好的性能。 2、文件夹中包括了该算法的论和相关Matlab代码的实现。

职场动物进化手册，附带个人读后笔记，文字版。 其以寓言体故事真实再现了具有中国特色的职场现状。 读这本书有助于刚进入职场的年轻动物更快的成熟起来,成为既能有效保护自己,又能为企 业创造更大价值的猎狗。但也仅此而已,如果年轻动物最终目标是成为肥猫一样的老板,此 书不仅不能为你指出一条道路,最大的可能是会让你误入岐途。

matlab开发-利用进化算法进行多目标优化。基于进化算法NSGA-II的多目标优化实例

PHYLIP软件是一个免费的集成的进化分析工具，有华盛顿大学遗传学系Joseph felsenstein 编写，1980年首次释放，目前已经升级到3.6.7版本。PHYLIP包含了35个程序，这些程序基本上囊括了系统发生分析方面的所有方面，并且可以在很多平台上运行。包括分子程序组、距离程序组、基因频率组、连续字符组、不连续字符组和进化树绘制组。

行业分类-设备装置-生态约束条件下土地利用结构优化的多目标改进差分进化模型

针对约束多目标区间优化问题, 提出一种交互多属性决策NSGA-II 算法. 该算法将非线性问题线性化, 定义P占优支配关系求出个体的序值, 定义区间拥挤距离来区分具有相同序值个体的优劣, 采用约束精英策略删除种群中不满足约束的个体. 将选出的个体作为方案集, 目标函数作为属性集, 决策者对于各目标函数的偏好作为属性权重, 构建一个多属性决策模型, 在进化过程中融入该模型来选取符合决策者偏好的满意解. 仿真实验验证了所提出方法的可行性和正确性.

为了更好地提高并行差分进化算法的求解精度和计算效率，实现适用于解决多种优化问题的鲁棒性算法，提出了一种多种群多策略的并行差分进化算法。该算法将种群划分为多个子种群，不同的子种群分别采用不同的差分进化策略。多个子种群各自独立进化，互不干扰，每隔一定代数才进行种群间的通信交流。通过利用多种群实现多种优化策略，并采用并行方式，使得算法可以采用不同的优化策略进行搜索，更加节省计算时间。数值实验结果表明，该算法在求解不同类型的优化问题时都具有良好的计算能力和效率。

Matlab 代码解决 带有协同进化特征的多阶段决策的流水车间成组调度问题

PyFlappyBirdNes python版基于神经进化算法的flappybird 参考代码如下 基于js版本的神经进化策略，收敛速度相当快，最快的一次在第12代基本成为不死鸟 python实现的DQN，但是在我本地训练两天，还没有达到稳定的状态，鸟仍然会随机死亡 运行方式 cd scripts && python bird_flappy.py 依赖的工具和包 python2.7 pygame: 动画渲染 说明 20180719： 1、目前这个版本的鸟仍然会在某种状态下死亡，经过观察怀疑是状态没有捕获完全导致，仍然需要进一步迭代 2、由于pygame运用不是很熟练，所以pipe之间不是等间距，这样反倒无意之间增加了游戏的难度