关于多目标优化的电子书，最新版本，经典著作，适合工学理学等领域

Matlab Lsqnonlin代码Matlab中的优化代码 **此存储库包含matlab中的“优化”课程的代码。 如果看到任何错误或改进方法，请提出请求。 使用它们之前，请先了解代码。 ** 此文件夹包含： 一维最小化方法 _对于消除方法_ 斐波那契法 黄金分割 _对于三次插值方法_ 牛顿法 拟牛顿法 割线法 无约束优化方法（间接搜索下降方法） 无约束牛顿法 马夸特法 约束优化方法 单纯形法 增强拉格朗日法 MATLAB优化工具箱的应用 功能功能 fmincon功能 lsqnonlin函数 lsqlin函数 linprog函数 Quadprog函数

Robust optimization is still a relatively new approach to optimization problems affected by uncertainty, but it has already proved so useful in real applications that it is difficult to tackle such problems today without considering this powerful methodology. Written by the principal developers of robust optimization, and describing the main achievements of a decade of research, this is the first book to provide a comprehensive and up-to-date account of the subject. Robust optimization is designed to meet some major challenges associated with uncertainty-affected optimization problems: to operate under lack of full information on the nature of uncertainty; to model the problem in a form that can be solved efficiently; and to provide guarantees about the performance of the solution. The book starts with a relatively simple treatment of uncertain linear programming, proceeding with a deep analysis of the interconnections between the construction of appropriate uncertainty sets and the classical chance constraints (probabilistic) approach. It then develops the robust optimization theory for uncertain conic quadratic and semidefinite optimization problems and dynamic (multistage) problems. The theory is supported by numerous examples and computational illustrations. An essential book for anyone working on optimization and decision making under uncertainty, Robust Optimization also makes an ideal graduate textbook on the subject. Aharon Ben-Tal is professor of operations research at the Technion, Israel Institute for Technology. Laurent El Ghaoui is associate professor of electrical engineering and operations research at the University of California, Berkeley. Arkadi Nemirovski is professor of industrial and systems engineering at Georgia Institute of Technology.

优化已在最近的通信设计和网络系统中广泛使用。这项工作的主要障碍在于实际产生的许多优化问题的不凸性系统。为了解决此问题，我们注意到在通信和网络系统中遇到的大多数非凸问题都表现出单调性或隐藏的单调性结构。系统地使用单调性将大大减轻获得问题的全局最优解。本文提供了有关单调优化的简洁易懂的介绍，包括配方技巧和求解算法。通过几个应用示例，我们将说明建模技术和各种场景下单调优化的算法细节。用这种有前途的技术，现在可以解决许多以前困难的问题高效解决。有了这个专着，我们希望激发新的扩大单调应用范围的研究活动通信和网络系统的优化。

这是最近提出的 MFO 算法的一个方便的工具箱。 这个优化器的主要灵感是自然界中飞蛾的导航方法，称为横向定向。 飞蛾在夜间飞行，相对于月亮保持固定角度，这是一种非常有效的长距离直线飞行机制。 然而，这些花哨的昆虫被困在人造光周围的无用/致命的螺旋路径中。 MFO 算法对该行为进行数学建模以执行优化。 研究论文： S. Mirjalili，Moth-Flame 优化算法：一种新颖的自然启发式启发式范式，基于知识的系统，DOI： http : //dx.doi.org/10.1016/j.knosys.2015.07.006 ( http://www.sciencedirect.com/science/article/pii/S0950705115002580 ) 如果您无法访问该论文，请给我发送电子邮件至 ali.mirjalili@gmail.com，我会将论文发送给您。 更多信息请见

Discrete_optimization_coursera 离散优化 Coursera 此文件夹包含主要用于 Coursera 上的离散优化课程的不同离散优化技术的实现。

Citation: S. Mirjalili, Moth-Flame Optimization Algorithm: A Novel Nature-inspired Heuristic Paradigm, Knowledge-Based Systems, DOI: http://dx.doi.org/10.1016/j.knosys.2015.07.006.

Stochastic Network Optimization with Application to Communication and Queueing Systems 外文书籍

VMware OS Optimization Tool ，虚拟桌面系统优化的得力工具

双层优化问题是一类具有挑战性的优化问题，包含两个层次的优化任务。在这些问题中，下层问题的最优解成为上层问题的可能可行候选。这样的要求使得优化问题难以解决，并使研究人员忙于设计能够有效处理该问题的方法。尽管付出了努力，但几乎没有任何有效的方法能够处理复杂的双层问题。本文介绍了基于最优下层变量相对于上层变量的二次近似的双层进化算法。该方法能够在相对较少的函数求值中处理具有不同复杂性的两层问题。来自经典优化的思想已经与进化方法混合，为一大类双层问题生成了一个有效的优化算法。在两组测试问题上对算法的性能进行了评估。第一组是最近提出的SMD测试集，其中包含复杂性可控的问题，第二组包含从文献中收集的标准测试问题。已经将所提出的方法与三个基准进行了比较，并且观察到性能增益是显著的。