基于双子群协同进化思想和果蝇优化算法，提出了一种求解0-1背包问题的双子群果蝇优化算法。利用双子群协同进化以及群半径自动调节来增强搜索过程的多样性，提高算法全局寻优能力；给出了双子群果蝇优化算法的具体步骤，并用MATLAB软件编程实现。通过对多个0-1背包问题的算例进行测试，并将测试结果与其他文献结果进行比较，结果表明，双子群果蝇优化算法具有较好的全局寻优能力，可作为求解0-1背包问题的一种实用方法。

matlab 标准合作型协同进化遗传算法(多元函数优化) %实数编码，求最小值，函数为 bound=[-2.048 2.048]; %f2(x)= ∑i1--（n-1)[100(x(i+1)-xi^2)]^2+(xi-1)^2] %使用贪心法处理合作者选择问题。

准确及时的每月降雨量预报是水文研究等科学界面临的主要挑战，例如河流管理项目和洪水预警系统的设计。 支持向量回归（SVR）是一个非常有用的降水预测模型。 本文提出了一种新的并行协同进化算法，基于遗传算法和粒子群优化算法SVRGAPSO的并行协同进化，可以确定SVR在降雨预测中的合适参数，用于月降水预测。 并行协同进化算法的框架是同时迭代两个GA和PSO种群，这是GA和PSO种群之间进行信息交换以克服过早的局部最优的一种机制。 我们的方法采用混合PSO和GA，通过并行协同发展来获得SVR的最佳参数。 所提出的技术可用于降雨预报，以测试其概括能力并与几种竞争技术进行比较评估，例如其他替代方法，即SVRPSO（带PSO的SVR），SVRGA（带GA的SVR）和SVR模型。 实证结果表明，SVRGAPSO结果具有较好的泛化能力，在降雨预报中具有最低的预测误差值。 SVRGAPSO可以显着提高降雨预报的准确性。 因此，SVRGAPSO模型是降雨预报的有希望的替代方法。

基于新预测模型的新型协同协同进化动态多目标优化算法

非线性自抗扰控制器耦合参数多,常规经验整定法难以获得最优参数,以至于影响控制器的控制精度.单一机制的优化算法整定出的自抗扰参数均可能是局部最优解,不能有效提高自抗扰控制器的控制精度.针对此问题, 提出一种基于改进鲨鱼优化算法的自抗扰控制器参数优化设计方法.为解决基本鲨鱼优化算法易陷入局部最优解、算法后期收敛速度慢的问题,提出混合交叉变异策略与双种群协同机制,以ITAE指标为自抗扰控制器参数选择的优化目标,并以二自由度机械臂为例进行仿真验证.结果表明,优化后的自抗扰控制器具有更小的超调量和更高的控制精度,在加入外界干扰后,控制器可以很快抑制干扰,具有很好的抗干扰能力,改进后的鲨鱼优化算法可以用于复杂非线性系统自抗扰控制器的参数优化.

提出了一种改进的量子粒子群算法,并将该算法用于求解非线性混合整数规划问题。构造了一种自适应调整的惯性权重,平衡了算法的全局搜索和局部搜索能力;针对混合整数规划问题,给定一定比例的初始可行解,提高了初始种群解的多样性;利用协同进化选择策略,对种群中的不可行解重新生成,使种群中每个粒子的信息充分利用,从而提高算法的收敛速度;为了抑制算法的早熟现象,给出了一种新的混沌搜索方式,对全局最优解进行局部搜索,增强算法的局部搜索能力。通过16个常见的测试函数测试结果表明,改进的量子粒子群优化算法对求解非线性混合整数规划问题,在成功率和精度方面得到很大的提高。

群体自组装机器人的协同进化框架

协同进化遗传算法源程序 孙晓燕 基本程序协同进化遗传算法理论及应用》在详细阐述协同进化遗传算法原理与核心技术的同时，还给出其在多峰多目标复杂数值函数优化、多机器人协调路径规划、神经网络结构与连接权值同时优化，以及群体决策中的具体应用，并给出详细的算法对比结果。为便于应用《协同进化遗传算法理论及应用》阐述的算法，书后附有部分协同进化遗传算法源程序。协同进化遗传算法是解决复杂的实际优化问题的智能计算方法，近年来已在许多领域得到成功的应用，是智能优化与决策领域的热点研究方向之一

AK工具箱是一个Matlab工具箱，用于根据简化的BSD许可证分发的蛋白质多序列比对（MSA）的协同进化分析。 AK工具箱的目的是提供一组Matlab函数，这些函数独立于Matlab生物信息工具箱，用于MSA的协同进化分析。 目前，此软件包中可用的协同进化方法是统计耦合分析（SCA），子集协方差的显式似然（ELSC），互信息（MI），实测负期望平方方法（OMES），基于麦克兰伦的替代相关性（MCBASC） ，直接耦合分析（DCA）和logR。 该软件包中还包含不同生物信息学矩阵的存档。

协同控制算法论文\基于共生协同进化的多目标算法及应用