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

注释很详细，非常适合初学者，蚁群算法的完整过程，matlab代码

用蚁群算法解决旅行商问题的MATLAB代码

粒子群算法的优缺点 优点 PSO算法没有交叉和变异运算，搜索速度快 PSO算法具有记忆性 需调整的参数较少 缺点 不能有效解决离散及组合优化问题 容易陷入局部最优

Portfolio_optimization 实施随机矩阵理论和Markowitz理论进行投资组合优化

量化资产管理公司长期以来一直在为是构建投资组合优化模型还是购买现成的软件包的决定而苦苦挣扎。 为了满足不断变化的投资和风险管理需求，投资组合管理团队正在努力构建透明、易于采用且易于扩展的强大的投资组合管理解决方案。 在 MathWorks，我们与许多投资组合管理团队合作，他们采用 MATLAB 和相关工具箱来构建投资组合管理系统。 这些群体喜欢在透明、健壮和可定制的环境中构建和扩展模型的灵活性。 他们还喜欢在投资决策过程中使用这些模型之前，以最少的努力尝试新的研究想法的能力。 在本文中，我们将讨论 MATLAB 和金融工具箱中提供的各种投资组合优化函数。 特别是，我们将关注构建投资组合的新的面向对象方法，并讨论这种架构如何轻松构建和扩展应用程序。 我们将讨论 MATLAB 中 Portfolio 对象的面向对象实现，然后通过案例研究演示 Black-Litterman 优化方法的示例实现。

多目标群体智能算法NSGA2，包含所有测试函数和真实帕累托前沿，包含详细注释

最小-最大-最小 该存储库包含用于解决本文研究的最小-最大-最小鲁棒优化问题的算法 AyşeNur Arslan，Michael Poss和Marco Silva：最小-最大-最小鲁棒组合优化，几乎没有追索权解决方案。 可在 有四种算法可用： HKW15的单石版重新，请参见函数exact_dualization() 来自的本地搜索启发式，请参见函数heuristic_dualization() 本文算法1中描述的场景生成算法，请参见函数scenario_generation() 本文算法3中描述的启发式变体，请参见函数heuristic_scenario_generation() 指导 该代码当前包含两个应用程序：最短路径问题（SP）和带冲突的背包问题（KP）。 可以通过创建相应的文件来添加其他应用程序。 要测试两个应用程序之一，请解压缩相应的数据文件，并使用julia执行相应的运