MATLAB 脚本的优化工具箱版本，用于演示使用直接转录和搭配的航空航天轨迹优化。 用最优控制理论的语言来说，这个问题是一个“具有在固定终端时间规定的状态变量函数的连续系统”。 文中给出的数值例子是从地球到火星的连续、低推力共面轨道转移。 假设行星的轨道是圆形和共面的，总转移时间约为 193 天。

CVXPY CVXPY文档位于 。 加入，并使用和获得最佳支持。 CVXPY是用于凸优化问题的Python嵌入式建模语言。 它使您可以按照数学的自然方式来表达问题，而不是使用求解器要求的限制性标准形式。 例如，以下代码解决了最小二乘问题，其中变量受上下限约束： import cvxpy as cp import numpy # Problem data. m = 30 n = 20 numpy . random . seed ( 1 ) A = numpy . random . randn ( m , n ) b = numpy . random . randn ( m ) # Con

cpoptimizer 使用CP Optimizer建模和解决组合优化问题的示例和指南

BAS：用于优化的甲虫天线搜索算法元启发式算法由于在优化问题上的强大性能而变得非常流行。 受长角甲虫搜索行为的启发，.m 文件中提出了一种称为甲虫触角搜索算法 (BAS) 的新算法。 BAS算法模仿自然界中甲虫的触角功能和随机行走机制，实现检测和搜索两个主要步骤。 最后，该算法在 Michalewicz 函数上进行了基准测试，其中数值结果验证了所提出的 BAS 算法的有效性。

基于Oracle的电费计算系统中电费计算速度优化问题的研究.pdf

粒子群算法在求解数学建模最优化问题中的应用，希望能帮到参加建模的同志

针对多目标优化过程中如何根据个人偏好确定各目标权重的问题, 提出一种约束优化方法以获得各目标的最佳权重. 首先, 将目标权重计算问题转化为综合适应度最大方差计算问题; 然后, 将个人偏好转化为最大方差问题不等式约束条件; 最后, 利用遗传算法和梯度投影法求解约束优化问题以获得最佳的目标权重. 在电力机车故障维修策略决策过程中应用该算法计算各部件经济性、安全性等目标权重, 实验结果验证了所提出方法能够获得满足个人偏好的最佳目标权重.

受生物神经系统和人工神经网络 (ANN) 的启发，提出了一种新的元启发式优化算法来解决复杂的优化问题。 所提出的方法称为神经网络算法 (NNA)，它是基于 ANN 的独特结构开发的。 NNA 受益于 ANN 及其运算符的复杂结构，以生成新的候选解决方案。

设计了一种新的求解均匀分布的Pareto最优解集的多目标进化算法(MOEA),其主要的特点是使用了一种新的个体适应值的计算方式,方法是通过群体中某一个体与群体的最优非劣解集的最小距离来刻画个体的适应值的。算法还结合了遗传算法中的精英策略以及NSGA-Ⅱ中的拥挤距离[12],提高了非劣解向Pareto最优前沿收敛的速度,并且保证了Pareto最优解集的多样性。仿真结果表明,算法不仅能够获得分布良好的Pareto最优前沿,而且能够极大地简化计算,减少了算法的运行时间,其计算复杂度为ο(mn2)(m表示的是目标函数的个数,n是种群的规模)。

论Oracle数据库的性能优化问题.pdf