将离散空间问题求解的蚁群算法引入连续空间, 针对多目标优化问题的特点, 提出一种用于求解带有约束
条件的多目标函数优化问题的蚁群算法. 该方法定义了连续空间中信息量的留存方式和蚂蚁的行走策略, 并将信息
素交流和基于全局最优经验指导两种寻优方式相结合, 用以加速算法收敛和维持群体的多样性. 通过3 组基准函数
来测试算法性能, 并与N SGA II 算法进行了仿真比较. 实验表明该方法搜索效率高, 向真实Pareto 前沿逼近的效果
好, 获得的解的散布范围广, 是一种求解多目标优化问题的有效方法.

基于MATLAB编程，利用PSO寻找函数全局最优（可自行扩展）； 代码注释多，简化强，仅一重循环，便于理解PSO算法编程

鼠群优化（Rat swarm optimization，RSO）算法是于2020年提出的一种寻优精度高、全局搜索性能强的新型仿生群体智能算法。

Python猎人猎物优化函数极值寻优程序，Hunter-Prey-Optimization

对自己拟定的二维栅格地图，通过蚁群算法寻优

MATLAB源程序26 粒子群算法的寻优算法-非线性函数极值寻优.zip

MATLAB源程序4 神经网络遗传算法函数极值寻优-非线性函数极值.zip

遗传算法是一种模拟自然界进化的求解最优解的算法，用来求解方程组，特别是复杂方程组，有很好的全局寻优能力，基本运算过程如下： （1）初始化：设置进化代数计数器t=0，设置最大进化代数T，随机生成M个个体作为初始群体P(0) （2）个体评价：计算群体P(t)中各个个体的适应度。 （3）选择运算：将选择算子作用于群体。选择的目的是把优化的个体直接遗传到下一代或通过配对交叉产生新的个体再遗传到下一代。选择操作是建立在群体中个体的适应度评估基础上的 （4）交叉运算：将交叉算子作用于群体。遗传算法中起核心作用的就是交叉算子 （5）变异运算：将变异算子作用于群体。即是对群体中的个体串的某些基因座上的基因值作变动。群体P(t)经过选择、交叉、变异运算之后得到下一代群体P(t+1) （6）终止条件判断：若t=T,则以进化过程中所得到的具有最大适应度个体作为最优解输出，终止计算 遗传操作包括以下三个基本遗传算子:选择；交叉；变异

鲸鱼算法是模仿鲸鱼捕食行为产生的算法，鲸鱼是一种群居哺乳动物，常常合作对猎物进行围堵和捕猎，鲸鱼算法是一种新型算法，比灰狼算法还要晚，本代码利于鲸鱼算法对多目标进行求解，既对方程组进行求解。代码有通用性，可以更好多目标或者方程组。

神经网络遗传算法函数极值寻优——非线性函数极值寻优