含不合格产品重新加工组装的生产线策略模型

蚁群算法(ant colony optimization, ACO)，又称蚂蚁算法,一种用来在图中寻找优化路径的机率型技术。

基于自标度数据的偏最小二乘（PLS）回归系数是一个重要变量的理论，云永欢等提出了一种新的变量选择策略&迭代变量子集优化（IVSO）。在这项工作中，每个子模型中产生的回归系数都被规范化以消除影响。在每一轮迭代中，将从子模型中得到的各变量的回归系数相加，以评估其重要性水平。采用加权二元矩阵抽样（WBMS）和序贯加法两步法，以竞争的方式逐步、温和地消除非信息变量，降低重要变量丢失的风险。此外，还考虑到，通过交叉验证产生的潜在变量的最佳数量将对回归系数产生很大的差异，有时这种差异甚至可以变化几个数量级。

Genetic Algorithms Principles and Perspectives A Guide to GA Theoryt[Colin_R._Reeves].345p Genetic Algorithm in Search, Optimization, and Machine Learning[David_E._Goldberg].432p Global Optimization Algorithms – Theory and Application[Weise_T.].758p The practical handbook of genetic algorithms-applications[2E][Lance_D._Chambers](z-lib.org).535p

粒子群优化方法 (PSO)，这是一种元启发式算法，模仿鱼类和鸟类等社会行为动物寻找食物。 代码是不言自明的。 有一篇论文提供了足够的背景信息来理解此代码。 《粒子群优化与差分进化算法：技术分析， 应用和杂交观点”，作者：Swagatam Das、Ajith Abraham 和 Amit Konar

osqp-matlab：OSQP的Matlab接口

翼型的空气动力学优化 使用进化算法对机翼进行空气动力学优化。 动机 该项目于2016年5月完成，目的是对ISAE-SUPAERO研究生院第二年的粘性空气动力学课程进行最终评估。 方法 目的是找到一种在滑流条件下能最大化给定性能标准的滑翔机翼型。 选择类形状变换（CST）可以对机翼几何形状进行数学建模，因为它所需的参数数量少且具有强大的建模能力。 CST还可以轻松确保前后缘的几何形状一致。 使用了两种不同的优化算法： 首先实现了遗传算法，其中CST参数充当“染色体”，而机翼充当“个体”。 然后实施了混合遗传算法，包括两个步骤。 第一步与遗传算法相同，其中第二步执行约束优化，以进一步利用先前发现的局部吸引区。 迄今为止，仅遗传算法已上传。 先决条件 该项目是用MATLAB编写的，因此需要MATLAB的副本。 它还使用了MATLAB的Global Optimization Toolbox的

Intel® Quartus® Prime Standard Edition Handbook Volume 2 Design Implementation and Optimization.pdf

这是非常经典的最优化教材，主要涉及非线性优化

distributionally_robust_optimization 论文中实现的方法： 约束随机系统的分布鲁棒控制 使用Wasserstein指标的数据驱动的分布式鲁棒优化：性能保证和易于重构