【算术优化算法】基于算术优化算法求解单目标优化问题附MATLAB程序

出了一个全新的混合算法并命名为微粒群差分算法，该算法在标准微粒群算法的基础上结合了差分进化算法用于求解约束的数值和工程优化问题。传统的标准微粒群算法由于其种群单一性容易陷入局部最优值，针对这一缺点利用差分进化算法中的变异、交叉、选择3个算子来更新每次迭代每个粒子新生产的位置以使粒子跳出局部优值。融合了标准微粒群算法和差分进化算法优点的混合算法加速了粒子的收敛速度。为了避免惩罚因子的选择对实验结果的影响，采取了可行规则法来处理约束优化问题。最后将微粒群差分算法用于5个基准函数和两个工程问题，并与其他算法作了比较，试验结果表明，微粒群差分算法算法具有很好的精准性、鲁棒性和有效性。

硬时间窗 遗传算法 matlab,基于遗传算法的多种运输工具或带时间窗的路径优化问题(VRP)的求解（MATLAB）代码

交叉熵方法是一个自适应的收敛优化方法，对解决优化问题效果非常的好

基于matlab遗传算法求解峰谷分时电价电动汽车充电负荷优化问题

墨鱼优化 用于解决简单优化问题的算法编码。 所有参考文献都包含在文件夹中。 CFA 是一种相对较新的优化算法，其灵感来自鱿鱼及其模拟周围环境的能力。

在过去的几十年中，受自然启发的优化算法因其适用于有效解决具有挑战性的优化问题而引起了研究人员的极大关注。 许多智能系统需要一个优秀的约束优化方案来充当人工智能系统。 人工电场算法（AEFA）是一种智能设计的人工系统，其目的是处理功能优化。 AEFA 的工作原理是库仑静电力定律和牛顿运动定律。 本文通过引入新的速度和位置边界策略扩展了 AEFA 算法以解决约束优化问题。 这些边界导致粒子在问题域内相互交互，并且允许它们单独从问题空间中学习。 它们还通过控制粒子的位置更新来帮助在探索和开发之间取得更好的平衡。 使用 AEFA-C 解决了具有挑战性的 IEEE CEC 2017 约束基准集 28 个问题和 5 个多维非线性结构设计优化问题，测试了所提出方案的有效性和效率。 AEFA-C 的比较研究是使用九种最先进的算法进行的，包括一些 IEEE CEC 2017 竞争对手。 比较研究、统计分析和

智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真

针对钢铁热轧生产操作优化问题, 建立热轧操作优化模型. 该模型的难点是, 模型具有高度非线性的特征, 难以获得最优解. 考虑模型数学表达式的结构特点, 将操作优化模型等价转化为超越几何规划模型, 由于获得的模型 存在对数项, 无法直接有效求解, 利用模型的结构特点, 通过数学变换和理论分析, 转化为凸规划模型, 从而利用凸规划软件获得最优解, 为操作优化问题获得全局最优解提供一种新方法.

深度学习中的最优化问题讲义pdf