张青富经典论文MOEA/D: A Multiobjective Evolutionary Algorithm Based on Decomposition

20世纪50年代中期创立了仿生学，人们从生物进化的机理中受到启发。提出了许多用以解决复杂优化问题的新方法，如进化规划、进化策略、遗传算法等，这些算法成功地解决了一些实际问题。 20世纪90年代意大利学者M．Dorigo，V．Maniezzo，A．Colorni等从生物进化的机制中受到启发，通过模拟自然界蚂蚁搜索路径的行为，提出来一种新型的模拟进化算法—— 蚁群算法，是群智能理论研究领域的一种主要算法。用该方法求解TSP问题、分配问题、job-shop调度问题，取得了较好的试验结果．虽然研究时间不长，但是现在的研究显示出，蚁群算法在求解复杂优化问题（特别是离散优化问题）方面有一定优势，表明它是一种有发展前景的算法．

用来做进化树的软件，有多种形式进化树，有颜色设置，名称更改等。

MATLAB 差分进化算法 注释详细 已封装成函数形式 Author: Rainer Storn, Ken Price, Arnold Neumaier, Jim Van Zandt

腾讯WeCity·未来城市 解决方案ppt。出自腾讯研究院，腾讯云大嘉作品。智慧城市方案学习参考资料

达尔文-埃帕克  具有达尔文神经动力学大脑的俏皮机器人仿真 2012 年 10 月 – 2013 年 4 月 该项目是可以在机器人中实施的认知架构研究的一部分。 目的是实施基于达尔文神经动力学的算法，以进行实验并确定未来的改进。 实施的算法设计之一是解决方案（人工前馈神经网络）的演变，它可以学习如何玩多个游戏。 所有算法的实验都是使用 Webots 机器人模拟器进行的。 该存储库中的算法是在具有两个差速轮 E-puck 的机器人的模拟上实现的。 使用单个游戏对 E-puck 进行的实验导致了目标行为。 多个游戏的实施导致了平庸的解决方案，并导致修改算法以使用多目标优化。 已确定的进一步改进包括修改游戏以增加其复杂性并使其可进化。 一些视频： 避障： : 沿线： :

在本文中，已提出加权差分进化算法（WDE）来解决实值数值优化问题。 当 WDE 的所有参数都是随机确定时，实际上，WDE 没有控制参数，只有图案大小。 WDE 可以解决单峰、多峰、可分离、可扩展和混合问题。 WDE 具有非常快速且非常简单的结构，此外，由于其非递归性，它可以并行化。 WDE具有很强的探索和开发能力。 在本文中，WDE 在解决 CEC'2013 问题方面的成功与 4 个不同的 EA（即 CS、ABC、JADE 和 BSA）进行了统计比较。 一个 3D 几何优化问题（即 GPS 网络调整问题）和 4 个受约束的工程设计问题被用来检验 WDE 解决现实世界问题的能力。 从执行的测试中获得的结果表明，总的来说，WDE 解决问题的成功率在统计上优于本文中使用的比较算法。

跨方聊天 要查看如何设置漫游器和设置，请查看新的页面。 在问问题或提交问题之前，请先查看页面。 在您查看Wiki和常见问题解答之后，请加入以获取支持和最新更新。 Bot的官方房东 确保检查出该机器人的官方主机 。 会员披露：如果您注册该服务，则使用此链接，CrossArkChat将收取少量佣金，而您无需支付任何额外费用。 如果您想支持我，现在可以使用下面的链接。 上面会说Dragon Coding Studios。 待办事项清单 有关更新列表，请 建于 用于处理所有Steam和RCON连接的库。 用于处理所有不和谐连接的库。 使用的编码语言。 贡献 请阅读了解我们的行为准则以及向我们提交拉取请求的过程的详细信息。 s Spikeydragoon-初始工作 另请参阅参与此项目的列表。 执照 此项目已获得MIT许可证的许可-有关详细信息，请参阅文件 致谢 向看看您的rcon代码

多目标进化算法及其应用研究多目标进化算法及其应用研究

采用差分进化算法对极限学习机进行优化选择