数据人进化宝典，共813页。内容包含数据分析、数据仓库、数据架构、数据治理等等。

内含差分进化算法的五种变异策略

无车承运人信息安全进化.pdf

在求解多目标优化问题时,针对粒子群优化算法容易陷入局部极值的现象,提出了一种组合粒子群和差分进化的多目标优化算法,使用粒子群优化算法和差分进化算法共同产生新粒子,通过一个判断因子控制两种算法的使用比例,并对粒子群优化算法的速度更新公式进行了改变,以提高搜索效率。通过三个测试函数进行了仿真,并同NSGA-Ⅱ、MOPSO-CD进行了比较。实验结果表明改进算法求得的Pareto解集收敛性和多样性好,并且算法稳定性高,运行速度快。

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

简单扼要的介绍了进化算法与全局优化的关系，讲解了EAs、GAs、PSO等算法

软件介绍: 系统进化分析及分子鉴定软件安装包MEGA7.0.26 win64 setup.exe，这个是64位版本的，不能安装在32位WINDOWS系统上。

PyTorch-NEAT NEAT（增强拓扑的神经进化）方法的PyTorch实现，最初是由Kenneth O. Stanley创建的，是进化神经网络的一种有原则的方法。 。 实验 PyTorch-NEAT当前包含三个内置实验：XOR，单极平衡和汽车爬山。 异或实验 使用以下命令运行： python xor_run.py将运行多达150代，初始种群为150个基因组。 当/如果找到解决方案，将显示解决方案网络以及有关试验的统计信息。 随意运行多个试用版-只需​​增加xor_run.py文件中外部for循环的范围即可。 单极平衡 使用以下命令运行： python pole_run.py将运行多达150代，初始种群为150个基因组。 在OpenAI体育馆环境中跑步。 当/如果找到解决方案，则将在OpenAI体育馆中显示解决方案网络以及评估结果。 汽车登山实验 使用以下命令运行： python m

多选择背包问题是组合优化中的典型NP难题之一。针对传统蜂群算法存在的收敛速度慢、易陷入局部最优的缺点，提出改进策略。改进的算法通过设置两个自适应变化的种群雄蜂群和雌蜂群，雄蜂群负责与蜂后交叉操作以保持种群的选择压力，雌蜂群负责自适应变异操作以保持种群多样性，蜂后则根据启发式规则主动进化以局部寻优。根据算法实现的核心思想，仿真实验结果表明，提出的改进算法可以有效避免陷入局部最优，同时通过实例也验证了算法的可行性和有效性。