数学规划：在一些等式或不等式约束条件下，求一个目标函 数的极大（或极小）的优化模型称为数学规划。根据有、无 约束条件可以分为约束数学规划和无约束数学规划；根据目 标函数 和约束函数 是否为线性函数，分为 线性规划和非线性规划；根据问题中是否只有一个目标函数， 分为单目标规划和多目标规划。 很多非常重要的问题是线性的（或者用线性函数能够很好地 近似表示），因此线性规划的研究具有重要意义。与非线性 规划相比，线性规划的研究更加成熟。 进化计算（Evolutionary Computation，EC）受生物进化论 和遗传学等理论的启发，是一类模拟生物进化过程与机制，自 组织、自适应的对问题进行求解的人工智能技术。进化计算的 具体实现方法与形式称为进化算法（Evolutionary Algorithm， EA）。 进化算法是一种具有“生成+检测”（generate-and-test）迭代过程的搜索算法，算法体现群体搜索和群体中个体之间信息交换两大策略，为每个个体提供了优化的机会，使得整个群体在优胜劣汰（survival of the fittest）的选择机制下保证进化的趋势。

A structure MATLAB implementation of MOPSO for Evolutionary Multi-Objective Optimization A structured MATLAB implementation of MOEA/D for Evolutionary Multi-Objective Optimization

包含最基础的de差分进化算法，pso粒子群优化算法，以及fmincon（）等函数中最常用的内点法

行业分类-设备装置-一种基于种群分解的自适应混合多目标进化方法.zip

分析基于联合补货策略的供应商选择与商品订货量分配协同决策问题,设计一种有效的改进差分进化算法(Improved differential evolution,IDE)进行求解.在考虑商品异质性带来的分组约束基础上,构建一种拓展的供应商选择与订货量分配协同决策新模型.对比算例分析表明,IDE在求解此问题及其扩展问题时优于标准差分进化算法和模拟退火算法,随机生成的大规模算例进一步验证了IDE求解此类复杂问题的优越性.

多目标进化优化的帕累托最优化

用于全局优化和现实世界工程问题的基于适应度-距离-平衡的自适应引导差分进化 (FDB-AGDE) 算法。

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

遗传算法，粒子群优化，模拟退火，蚁群优化算法，免疫算法，人工鱼群算法，差分进化和TSP（旅行商）scikit-opt群体智能化Python（遗传算法，粒子群优化，模拟退火，蚂蚁）殖民地算法，免疫算法，Python中的人工鱼群算法）文档：https：//scikit-opt.github.io/scikit-opt/#/en/文档：https://scikit-opt.github.io/scikit -opt /＃/ zh /源代码：https://github.com/guofei9987/scikit-opt帮助我们改进scikit-opt https://www.wjx.cn/jq/50964691.aspx install pip install scikit-opt对于当前的开发人员版本：

20210903-国泰君安-ESG投资全景系列一：2021年全球ESG投资的进化与分化.pdf