今天小编就为大家分享一篇使用Python求解带约束的最优化问题详解，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

20世纪50年代中期创立了仿生学，人们从生物进化的机理中受到启发。提出了许多用以解决复杂优化问题的新方法，如进化规划、进化策略、遗传算法等，这些算法成功地解决了一些实际问题。 20世纪90年代意大利学者M．Dorigo，V．Maniezzo，A．Colorni等从生物进化的机制中受到启发，通过模拟自然界蚂蚁搜索路径的行为，提出来一种新型的模拟进化算法—— 蚁群算法，是群智能理论研究领域的一种主要算法。用该方法求解TSP问题、分配问题、job-shop调度问题，取得了较好的试验结果．虽然研究时间不长，但是现在的研究显示出，蚁群算法在求解复杂优化问题（特别是离散优化问题）方面有一定优势，表明它是一种有发展前景的算法．

原子搜索优化（ASO）是解决优化问题的一种新的优化方法。 ASO在数学上模拟并模拟了自然界中的原子运动模型，在原子运动模型中，原子通过Lennard-Jones势所产生的相互作用力和键长势所产生的约束力彼此相互作用。 该算法简单易实现。

25 TEST FUNCTION 优化问题测试函数 的详细文档，不用错过哦，做优化问题的小盆友们

BNB20 解决混合整数非线性优化问题。 它是一种分支定界算法。

一种基于粒子群算法求解约束优化问题的混合算法.pdf

基于粒子群算法的浮筒配置优化问题的研究.pdf

代码运行效果图见压缩包

代码运行效果图见压缩包

多厂家分配到多客户的Lingo实现模板程序，可正常运行。