系统发育分析是研究物种进化和系统分类的一种方法，研究对象为携带遗传信息的生物大分子序列，采用特定的数理统计算法来计算生物间的生物系统发生的关系。并用系统进化树来概括生物间的这种亲缘关系。

一、基于距离的系统发育树构建方法 （一）非加权分组平均法 UPGMA主要适用于在基因替代速率恒定时，尤其是用基因频率数据来构建分子系统发育树时。

为了有效解决动态多目标优化问题,文中提出了一种新的基于预测策略的动态多目标免疫优化算法.该算法首先采用相似性检测算子较好地检测到环境的变化.同时利用前几个时刻的最优非支配抗体解集建立新的预测模型来预测产生新时刻的初始抗体种群,进一步提高了算法对环境变化的反应能力.此外,通过引入基于两种不同的父代个体选择策略而改进的差分交叉算子来加快算法的收敛速度.文中采用几个典型的标准测试问题验证算法的有效性,实验结果表明,提出的相似性检测算子的预测模型可以提高算法的跟踪能力,而改进的差分交叉算子能够提高算法的收敛性能.

讯景三星5808G进化30M.rom,自己修改，能用就下

粒子群的matlab代码 演化计算 开始实现演化计算的一些基本算法 GA 遗传算法 摘自CSDN AGA 自适应遗传算法 摘自CSDN DE 差分进化算法 PSO 粒子群优化算法

基于MATLAB的多目标优化算法平台，内涵多种遗传算法和进化算法，图形界面，算法齐全并且最新的。

DE差分进化算法，适应值和迭代次数之间的函数图展示，有测试代码，希望对你有用

《 职场动物进化手册》 是一部以寓言体的形式演绎职场事理学的作品， 以其轻松、 谐趣 的写作风格， 揭示三千年权谋文化背景下的东方职场现象， 并通过对西方经典管理学的反思， 以一只狗员工在混沌状态下的成长历程， 阐述职场生态环境的要义与原则。

培养皿 一小群虚拟微生物在生长，相互作用和进化。

ev-MOGA 多目标进化算法由瓦伦西亚理工大学的预测控制和启发式优化小组开发。 ev-MOGA 是一种基于 epsilon 优势概念的精英主义多目标进化算法。 ev-MOGA，试图以有限的内存资源以智能分布式方式获得帕累托前沿的良好近似。 它还动态调整帕累托前沿的限制。 有关 ev-MOGA 的详细信息在（请将此算法引用为）： [1] M. Martínez、JM Herrero、J. Sanchis、X. Blasco 和 S. García-Nieto。 通过随机求解器应用帕累托多目标优化。 人工智能的工程应用。 卷。 22 pp. 455 - 465, 2009 (ISSN:0952-1976)。 该算法也描述在： [2] JM Herrero、M. Martínez、J. Sanchis 和 X. Blasco。 使用 epsilon-MOGA 进化算法的均匀分布的帕累托前沿。