很好的进化计算课件，适合入门研究者，包括进化算法，遗传算法

matlab中存档算法代码TriMOEA-TA＆R 刘益平版权所有 这些是TriMoEA-TA＆R，MMMOP1-6和IGDM的代码，该代码在“刘元平，Gary G. Yen和Gongwei Gong提出，一种使用双归档和复合策略的多模态多目标进化算法”，IEEE Transactions进化计算，2019，23（4），pp.660-674“。 这些代码使用PlatEMOv1.6，该版本发布于“ PlatEMO叶田：进化多目标优化的MATLAB平台[教育论坛]，IEEE计算智能杂志，2017年，第12页第4期：“叶天，程然，张兴义和张耀初。 73-87英寸。 请将所有代码放入PlatEMO的主文件夹中。 然后享受。 请注意，由于Pareto最佳集未保存在通过算法获得的.mat文件中，因此PlatEMO无法计算IGDM。 CalculateIGDM.m中提供了有关如何计算IGDM的示例。 。\ PFPS中提供了MMMOP1-6的帕累托最优前沿和帕累托最优集合的数据。 还包括在“蔡同悦，曲博扬和景亮，使用环形拓扑解决多模态多目标问题的多目标粒子群优化器，IEEE进化计算交易，2017年和早

多选择背包问题是组合优化中的NP难题之一，采用一种新的智能优化算法——人工蜂群算法进行求解。该算法通过雇佣蜂、跟随蜂和侦察蜂的局部寻优来实现全局最优。基于算法实现的核心思想，用MATLAB编程实现，对参考文献的算例进行仿真测试。与其他算法进行了比较，获得了满意的结果。这说明了算法在解决该问题上的可行性与有效性，拓展了人工蜂群算法的应用领域。

投资组合是由一个人或一群人持有的，由股票，债券和银行存款等投资工具组成的金融资产的集合。 在加纳，建立具有标准化优化的投资组合仍然是一个神话，因此，本研究显示了Markowitz模型如何在加纳证券交易所应用，并揭示了精选股票中最有效的投资组合，以减轻投资者的负担。 该研究使用了2011年至2016年股票收益的历史月度数据。 研究显示，GCB Bank limited的平均回报率最高（回报率为4.2％），风险为13.1％，其次是CAL（回报率为3.5％）和11.7％。 UGL的风险最低（风险为6.8％），平均回报最低，为2.1％。 风险爱好者可能会选择GCB和CAL，而完全不愿承担风险的投资者可以选择UGL，因为它具有最低的风险。 两种投资组合的组合还得出结论，最有效的投资组合是GCB和CAL的组合，因此建议风险承受能力的投资者可以将其所有资产投资于GCB，而风险规避投资者可以将其39.21％的资产投资于GCB。 GCB和CAL中的60.79％。 就预期收益而言，CAL和GCB银行有限组合的最高收益约为3.9％，风险为10.6％，其次是TOTAL和GCB组合的预期收益约为3.40％，高风

粒子群算法 人工智能大作业论文，粒子群优化算法转化旅行商问题的源代码及数据 源代码：mytsp14.py 数据：burma14.txt 数据类型：经纬度 数据来源： :

Fred Glover主编 非常经典的元启发式方法的书籍！内容非常丰富，包含：组合优化；遗传算法；蚂蚁算法；紧急算法；人工神经网络；贪婪自适应；领域搜索等。 对学习最优化、NP难问题求解具有非常重要价值！数学建模；线性规划；算法：智能算法。

一种基于子群杂交机制的粒子群算法求解旅行商问题.pdf

代码运行效果图见压缩包

代码运行效果图见压缩包

代码运行效果图见压缩包