Differential Evolution A Practical Approach to Global Optimization 差分进化算法

拟仿射变换演化算法（QUATRE）：一种用于全局优化的新的简单而准确的结构

SCE-UA 方法是一种通用的全局优化程序。 它最初是由段青云博士在水文系博士论文工作中开发的和水资源，亚利桑那大学，图森，AZ 85721，美国。 论文题目为“A Global Optimization Strategy for Efficient and Effective Calibration of Hydrological Models”。 该程序已被修改，使其更容易用于解决用户感兴趣的问题。 该算法在题为“Effective and Efficient Global Optimization for Conceptual Rainfall-Runoff Models”的文章中有详细描述，Water Resources Research, Vol 28(4), pp.1015-1031, 1992； 以及 Q. Duan、VK Gupta 和 S. Sorooshian 撰写的题

有关更多信息，请参阅以下链接： http://yarpiz.com/71/ypea109-shuffled-frog-leaping-algorithm

EM 是一种灵活有效的基于种群的元启发式算法，用于搜索全局优化问题的最优解，由 Birbil 和 Fang 在 2003 年提出。它基于电磁理论的吸引力-排斥原理，其中种群被认为是带电粒子分布在解空间内。

针对蚁群算法存在停滞现象的缺点,提出一种动态调整的选择策略以强化其全局搜索能力.改进的选择策略通过适当刺激蚂蚁尝试具有较弱信息素解,以提高所得解的全局性.给出了新算法仿真实验步骤,并将改进后的蚁群算法与传统蚁群算法分别应用于旅行商问题(TSP)进行仿真实验.仿真结果表明,改进后的算法具有优良的全局优化性能,可抑制算法过早收敛于次优解,有效防止了停滞现象,收敛速度也大大加快.

和声2 pyHarmony搜索 作者 杰弗里·费尔柴尔德 执照 本软件在 . 有关许可证的确切文本，请参阅单独的文件。 如果您使用此代码，您有义务提供归属。 关于 pyHarmonySearch 是和声搜索 (HS) 全局优化算法的纯 Python 实现。 HS 是一种元启发式搜索算法，类似于模拟退火、禁忌和进化搜索，它基于现实世界的现象。 具体来说，HS 模仿爵士乐队一起即兴表演。 礼貌 ： 在 HS 算法中，每个音乐家（= 决策变量）一起演奏（= 生成）一个音符（= 一个值）以找到最佳和声（= 全局最优）。 pyHarmonySearch 支持连续变量和离散变量，并且可以利用 . 要求 此代码不依赖于任何 3rd 方软件。 它只需要 Python 2.7 或更高版本。 安装 pyHarmonySearch 在 PyPI 上可用。 安装使用： pip install pyHarmonySearch 从源安装： python setup.py install 使用此代码 包括五个例子。 前三个示例 (, , 和 ) 是彼此的变体，它们找到了简单二维函数的全局最大值。 第四个示例 ()

一种全局优化算法：遗传算法-单纯形法 解决TSp问题

高斯过程全局优化程序，使用高斯算法进行刀具加工的全局优化预测与拟合的matlab程序

这是发布在以下位置的磷虾群 (KH) 算法的 MATLAB 文件： - 甘多米啊，阿拉维啊。 磷虾群：一种新的仿生优化算法。 在非线性科学和数值模拟，17通信（12）：4831-4845，2012。 http://dx.doi.org/10.1016/j.cnsns.2012.05.010