区块链中最重要的便是共识算法，比特币使用的是POW（Proof of Work，工作量证明），以太币使用的POS（Proof of Stake，股权证明）而EOS使用的是BFT-DPOS。 什么是BFT-DPOS呢？即拜占庭容错式的委任权益证明。 要想明白BFT-DPOS的运行机制，首先就要先明白什么是DPOS。   由于POW在比特币的共识算法中极大地消耗了算法的资源。而且会有算法集中的问题，所以在2014年的时候Dan Larimer提出了一个相较于POW来说更加高效，轻便的共识机制即DPOS。该共识机制一边能让网络成本小型化，另一方面有回复语每个持股人一定的投票权。 这些超级节点呢能够：

DistNE：分布式神经进化 演化神经网络人工智能的Elixir库

MATLAB，差分进化算法，注释详细 Author: Rainer Storn, Ken Price, Arnold Neumaier, Jim Van Zandt

首先针对常规多目标优化算法求解高维多目标优化时面临的选择压力衰减问题进行论述;然后针对该问题,按照选择机制的不同详细介绍基于Pareto支配、基于分解策略和基于性能评价指标的典型高维多目标优化算法,并分析各自的优缺点;接着立足于一种全新的性能评价指标-----R2指标,给出R2指标的具体定义,介绍基于R2指标的高维多目标优化算法,分析此类算法的本质,并按照R2指标的4个关键组成部分进行综述;最后,发掘其存在的潜在问题以及未来发展空间.

Geatpy2 适用于Python的高性能遗传进化算法工具箱。 介绍 网站（包括文档） ： : 演示： : Pypi页面： : //pypi.org/project/geatpy/ 与我们联系： : 错误报告： : 注意： : 常见问题解答： ： Geatpy的功能： 快速解决单目标，多目标，多目标和组合优化问题的能力。 大量具有进化算法（选择，重组，变异，迁移...）高性能的算子。 支持人口染色体的众多编码。 许多进化算法模板，包括用于单/多目标进化的GA，DE，ES。 多种人口进化。 支持多体进化。 评价的并行化和分配。 包含最常见基准测试功能的测试平台。 支持对演化迭代的跟踪分析。 算法的许多评估指标。 Geatpy 2.6.0的改进 为MOEA / D-DE添加推和拉搜索策略。 添加新的核心：“ ri2bs”和“ mergecv

【优化求解】基于差分进化的正弦余弦算法matlab源码.md

提出了两种约束的多目标元启发式方法。 1）基于成功历史的自适应多目标差分进化算法（SHAMODE）是基于成功历史的自适应多变量进化算法（SHADE）的改进多目标版本，它集成了改进的自适应策略和非支配排序算法。 2）基于成功历史的鲸鱼优化自适应多目标差分进化算法（SHAMODE-WO）是基于成功历史的自适应差分进化算法（SHADE）的改进多目标版本，它集成了改进的自适应策略，非支配排序算法和其他功能。鲸鱼优化算法（WOA）中的种群更新运算符。 该算法发布在： Panagant，N.，Bureerat，S.，＆Tai，K.（2019年）。 一种新颖的自适应混合多目标元启发式结构桁架的可靠性设计，同时具有拓扑，形状和尺寸优化设计变量。 结构和多学科优化，60（5），1937-1955。 DOI： https ： //doi.org/10.1007/s00158-019-02302-x

matlab开发-多目标进化算法。该工具箱实现了EV MOGA多目标进化算法。

斯坦纳树问题进化算法的性能分析

简易Game.ini生成工具，可修改人物属性倍数、驯养恐龙属性倍数、野生恐龙属性倍数、人物等级上限（一级60蓝图点）、恐龙等级上限、尸体分解速度、物品腐烂速度、恐龙产蛋速度、农作物生长速度、人物恐龙排泄频率、恐龙交配间隔、受精恐龙蛋孵化时间、恐龙幼崽成长速度