高效求解多峰值全局优化的区间遗传算法是一种高效求解多峰值函数优化的算法

SNTO 是一种全局优化方法，在多维域中生成许多点； 选择最佳点，并围绕最佳点的邻域收缩域。 参见示例：统计学中的数论方法 作者：K?ai-t?ai Fang, Yuan Wang

这个 matlab 演示代码展示了如何使用新的花算法来解决无约束全局优化问题。

matlab开发-全局优化工具箱。Ganso库的matlab接口

提出了一种新颖的基于人工神经网络(ANN)和遗传算法(GA)的激光器参数全局优化方法,建立激光器输出功率的人工神经网络模型,来模拟激光器参数对输出功率的综合影响机理,进而以该模型作为目标函数,采用遗传算法对激光器参数进行全局优化。以平凹腔单横模氦氖激光器为例验证了该方法的可行性和有效性。对相同参数的激光器,人工神经网络模型的仿真数据与实验数据的均方根误差为0.0127 mW。应用该方法对其他参数全局优化后激光器预期输出功率比实验室已有的同等尺寸的激光器大,说明了该方法的有效性。

简单扼要的介绍了进化算法与全局优化的关系，讲解了EAs、GAs、PSO等算法

BBO，Biogeography-Based-Optimization，生物地理学优化算法的python代码。

引力搜索算法是近年提出的一种颇具潜力的全局优化算法，已经成功应用到了各种工程实践中，然而它在求解复杂工程优化问题时容易出现早熟收敛问题。为了在一定程度上避免早熟收敛现象，提出一种应用精英反向学习策略的引力搜索算法（EOGSA）。在演化进程中，对当前种群中的每个个体分别执行精英反向学习策略，生成一个精英反向种群，并将生成的精英反向种群与当前种群同时进行竞争，选择出下一代种群。在一系列经典函数优化测试问题上的对比实验结果表明，EOGSA算法能够提高传统引力搜索算法的性能，在一定程度上避免早熟收敛的缺点。

2018年IEEE进化计算大会（CEC）提出的全局优化问题的新的启发式算法。 土狼优化算法（COA）是由Juliano Pierezan和Leandro dos Santos Coelho（2018）提出的用于全局优化的自然启发的元启发式算法。

贝叶斯优化 具有高斯过程的贝叶斯全局优化的纯Python实现。 PyPI（点）： $ pip install bayesian-optimization 来自conda-forge频道的Conda： $ conda install -c conda-forge bayesian-optimization 这是基于贝叶斯推理和高斯过程的受约束的全局优化程序包，它试图在尽可能少的迭代中找到未知函数的最大值。 该技术特别适合于高成本功能的优化，在这种情况下，勘探与开发之间的平衡很重要。 快速开始 请参阅以下内容，快速浏览贝叶斯优化程序包的基础知识。 可以在文件夹中找到更多详细信息，其他高