本代码为该文章作者免费提供，这里只是搬用以方便大家使用学习，且在博客中已对文章引用，希望大家喜欢并共同进步！

适用于MATLAB2014及以上版本，亲测有效。

该工具集包含以下文件： 1) MODEparam.m 生成运行 MODE 优化算法所需的参数。 2) MODE.m 运行优化算法。 它实现了基于差分进化 (DE) 算法的基本多目标优化算法： “Storn, R., Price, K., 1997。差分进化：一种简单有效的连续空间全局优化启发式方法。全球优化杂志 11, 341 – 359。” 当一个目标被优化时，标准 DE 运行； 如果优化了两个或多个目标，则使用优势关系执行 DE 算法中的贪婪选择步骤。 3) CostFuntion.m 要优化的成本函数。

Pareto存档进化策略算法（The Pareto Archived Evolution Strategy）

里面有个英文手册，我自己测试过，可以使用。 翻译手册里的步骤如下： 1.解压缩后，文件夹MOEA_SPEA2_MATLAB里面会有个source文件夹，再把source里的文件都拷贝到根目录。 2.将MOEA_SPEA2_MATLAB放在MATLAB的toolbox文件夹下，打开MATLAB，然后set path，之后将current directory定位到：D:\MATLAB7\toolbox\MOEA_SPEA2_MATLAB(这是我的存放地点) 3.首先运行build_spea2.m产生spea2.dll，这样就可以使用SPEA2算法啦 4.打开demo_moea.m，运行一下Demo看看，成功的话就说明可以放心使用这个算法了。 5.实验自己的用例：demo_funct.m里的函数更改成自己的就可以。

用标准C++语言写的经典差分进化算法（Differential Evolution Algorithm）程序代码，建立空的C++工程，然后之间添加这里面的.h和.cpp文件，就可以运行，代码中加了基本的注释。

讲述了一种改进的自适应的差分进化算法，适合研究进化算法的改进工作

称为MOJaya的多目标Jaya算法是一种基于SPEA2（提高强度帕累托进化算法）和 Jaya 算法。

针对BP神经网络复原图像的效果很大程度受初始权值和阈值的影响，提出一种基于思维进化算法（Mind Evolutionary Algorithm， MEA）优化的BP神经网络方法。思维进化算法有极强的全局搜索能力，能够弥补BP神经网络陷入局部最优和对初始权值和阈值敏感的问题，因此在训练BP神经网络之前，利用思维进化算法获取该网络的初始权值和阈值。实验证明，与传统的维纳滤波、BP、遗传算法优化的BP（GA-BP）方法相比，MEA-BP方法复原的图像在主观和客观评测标准下都获得了更好的结果。

差分进化算法(Differential Evolution，DE)由Storn和Price于1995年首次提出。主要用于求解实数优化问题。该算法是一类基于群体的自适应全局优化算法，属于演化算法的一种，其具有结构简单、容易实现、收敛快速、鲁棒性强等特点