- 在原始ALO算法的基础上添加了两种改进策略 - 改进1：将原先的间断性边界收缩因子变为连续性边界收缩因子，从而增强算法的遍历性 - 改进2：将原先均衡的权重系数变为动态权重系数，平衡算法的全局搜索和局部开发能力 - 仿真图中包含改进后的IALO算法与原始ALO算法的比较，可以看出性能提升明显 - 包含23种测试函数

Krister Svanberg拓扑优化算法MMA的matlab实现代码，包含mmasub.m和subsolv.m两个文件。

代码 普通多目标优化算法代码.rar

通用模拟退火优化算法的 Julia 代码。该代码可以找到连续变量的多模态函数的全局最大值（或最小值）。 使用‘模拟退火’算法最小化连续变量的多模态函数，本文的勘误表可在此处获得 该代码是通用的，可以应用于具有任意数量参数的优化问题。优化参数的个数称为优化空间的维度（代码中用变量“D”表示）。要使用代码，必须定义优化空间的维度和边界 算法最大化函数fitness.jl。存储库中存在的 Fitness.jl 文件中实现了一组基准函数。用户可以使用他/她自己的健身功能。适应度函数的输出需要是单个标量值。对于自定义适应度函数，主优化代码中只需要很少的调整。只有维度 (D) 和边界（数组 bL 和 bU）必须根据适应度函数进行调整。代码应该可以正常工作，无需任何进一步的修改。 优化算法的行为由代码中的以下参数决定： gmax = 1000; # Maximum number of generations (max iteration number) Ns = 20; # tests for step variation NT

随机最优传输 大规模优化传输的随机优化算法的 Julia 实现。

灰狼优化算法（GWO）PPT

(1) 基于原始鲸鱼优化算法的函数寻优算法 (2) 包含23种测试函数 (3) 方便进行扩展，加一些种群初始化策略和自适应参数调整策略很容易提升寻优性能 (4) 注释详细

- 基于原始蚁狮优化算法的函数寻优算法 - 包含23种测试函数 - 方便进行扩展，加一些种群初始化策略和自适应权重策略很容易提升性能 - 注释详细

混沌理论与粒子群优化算法的结合，提升优化的性能和效果

基于混合策略改进的优化算法+基于混合策略改进的优化算法在支持向量机回归（SVR）中的应用，混合策略为Sobol序列初始化、惯性权重及柯西步长三种改进策略的混合，并已锂离子电池容量数据为例，进行测试，亲测有效。