使用动态多种群框架为协作式协同进化算法寻找信息协作者

C++实现的多目标进化算法库，包括常见较为经典的MOEA算法，如NSGA，NPGA，SPEA等算法。

MATLAB python 量子进化算法，人工智能算法

这是从mathwork上下载的NSGA-3的代码，自己写的注释。因为也没有完全弄懂代码，所以有些地方空着没写注释，有些地方还注释了问号。就是希望能和大家一起讨论交流一下，希望大家指正。希望弄懂代码的小伙伴能回帖说一下自己的理解。也希望能解答一下我不懂的地方。     这里把原代码的链接也发一下。https://www.mathworks.com/matlabcentral/fileexchange/60678-nsga-iii-in-matlab?s_tid=srchtitle 另外，这是开源资源，纯粹为了学术交流，个别人不要拿去重复上传。CSDN设置了最低积分限制，想免费都不行了。

冠军算法L-SHADE的matlab版本，其中付一个测试函数，运行test文件即可，需要测试其他函数可以

解决环境/经济调度问题的多目标进化算法研究

基于求和的多目标进化算法的随机风能经济排放调度问题

针对油田区域配电网负荷大、无功严重不足、电力损耗大的特点,提出了一种适用于油田区域电网的无功优化方法。该方法建立了综合考虑系统的经济性和安全性并使其互为约束的无功优化数学模型,并采用在电力系统无功优化领域应用较少的差分进化算法对模型进行求解。该方法具有优化结果与初始值的选取无关、需要控制量少和容易找到全局最优解的优点,实例分析和不同优化算法对比结果表明了所提出的区域配电网无功优化方法的可行性和有效性。

#运用python实现差分进化算法计算函数最大值 import random import math import numpy as np import random cr = 0.6 Population = np.random.rand(100,2) cycle = 500 hig , low = math.pi , 0 def eval(x): y = 2*math.sin(x[0])+math.cos(x[1]) return y def main(): for t in range(cycle):#确定迭代次数 for i in range(len(Population)):#遍历种群中每一个个体 loc = np.random.randint(0,100,3)#生成三个随机整数，用于公式中随机选取三个点 new = Population[loc[0]] + 0.3*(Population[loc[1]]-Population[loc[2]])#老师给的公式 if random.random() eval(Population[i]):#优胜劣汰 Population[i] = new for j in range(len(Population[i])):#设置函数取值范围 if Population[i][j] hig: Population[i][j] = hig def result(): main() y_best = [] for i in range(len(Population)): y_best.append(eval(Population[i])) print("函数在x为",Population[y_best.index(max(y_best))],"时取得最大值") print("此时函数结果为：",max(y_best)) result()

针对多用户正交频分复用系统自适应资源分配问题,提出一种改进的子载波和基于差分进化算法的功率自适应分配算法。该算法首先在均等功率下进行子载波分配,然后通过添加约束条件检测改进步骤,改进差分进化算法,并采用该算法根据设置的兼顾用户公平性与系统容量的目标函数,全局寻优实现用户间的功率分配。仿真结果表明,算法在低算法复杂度及兼顾用户公平性的情况下实现了较高的系统容量提升,证明其有效性。