《计算智能：人工神经网络 模煳系统 进化计算 第二版》

人工神经网络与模拟进化计算（第2版）-简介: 本书较系统全面地讨论了人工神经网络与模拟进化计算的理论和工程应用，特别在学习理论和网络结构选择、动态神经网络、贝叶斯方法的应用以及模拟进化计算中的一些理论问题等方面的论述更为系统深入。讲解中力求讲清物理概念，以便读者深入理解一些主要方法的思路。 第2版加强了关于统计学习理论、核方法与支持向量机、自组织网络的灵活应用，盲信号处理等方面的内容;增加了神经网络在生物信息学和金融方面应用的实例，以及最近的一些参考文献，以便反映这一领域的新进展;为了便于掌握主要内容，对章节顺序也做了调整,模拟进化计算部分增加了分布估计算法一章。 本书适合用作研究生课程教材，或作为希望深入学习神经网络和进化计算的科技工作者的自学参考书。

进化计算（九）——MOEA/D代码实现及中文详解（Matlab）文章【https://blog.csdn.net/qq_43472569/article/details/121457243】的资源，对二目标优化效果很好

将Copula 理论引入分布估计算法的研究中, 并在估计概率模型时分两个步骤进行: 1) 估计各变量的边缘分 布函数; 2) 构造经验Copula 函数或正态Copula 函数. 根据Copula 函数和各边缘分布进行采样, 在简化估计模型运算 复杂度的同时, 充分反映了变量之间的关系. 仿真实验验证了该算法的可行性和有效性..

资源名称：人工神经网络与模拟进化计算资源截图： 资源太大，传百度网盘了，链接在附件中，有需要的同学自取。

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

进化算法染色体的表示(编码) 候选解构成解空间，也叫表现型空间；将候选解编码成染色体，形成编码空间，也叫基因型空间。 进化算法轮流在这两个空间上进行操作，其中遗传算子工作在编码空间，评价和选择工作在解空间。 Coding space (genotype space) Solution space (phenotype space) Encoding Decoding Genetic Operations Evaluation and Selection

在一些现实生活中的优化问题中，目标通常是不可公度的，并且明确/数学上不可用。 交互式进化计算（IEC）可以有效地解决这些问题。 IEC 在优化系统中使用人工评估。 简单地说，IEC 是一种进化算法 (EA) 类的技术，其适应度函数被人类取代。 在交互式进化中，用户选择一个或多个生存和繁殖（有变异）的个体来构成新一代，IEC 使用两个不同的空间进行搜索。 人类用户根据心理空间中目标与系统输出的距离来评价目标系统的输出。 另一方面，EA 在参数空间中搜索。 可以说，IEC 是基于这两个空间之间的映射，EA 和人工搜索协同工作的优化技术。 也可以从此处获得更多信息，html帮助和有关此工具箱应用程序的三篇论文： http://www.abonyilab.com/software-and-data/easy_iec

进化多目标优化研究领域的一本最新专著，2007年出版。