PlatEMO是基于MATLAB的多目标优化算法平台，内涵多种遗传算法和进化算法，其中PlatEMO v1.5 可以调用图形界面，算法较为齐全并且最新的。 将此代码包解压，复制到PlatEMO的Algorithms文件夹里面，就可以在PlatEMO的里调用MOEA/D-M2M。

bcg-按下发展快进键：人才、信息双驱动的组织进化-2021.4-20页.pdf

协同进化遗传算法源程序 孙晓燕 基本程序协同进化遗传算法理论及应用》在详细阐述协同进化遗传算法原理与核心技术的同时，还给出其在多峰多目标复杂数值函数优化、多机器人协调路径规划、神经网络结构与连接权值同时优化，以及群体决策中的具体应用，并给出详细的算法对比结果。为便于应用《协同进化遗传算法理论及应用》阐述的算法，书后附有部分协同进化遗传算法源程序。协同进化遗传算法是解决复杂的实际优化问题的智能计算方法，近年来已在许多领域得到成功的应用，是智能优化与决策领域的热点研究方向之一

进化算法用JAVA语言实现，进化退火算法的实现及代码都包括在内，对算法的学习很有帮助。

基于生物免疫系统的重要原理和机理提出了一种免疫进化算法(I EA),对此算法收敛性进行了理论分析,并将该算法应用到多模态函数优化的求解中。仿真结果表明,该算法用于复杂的函数优化具有较快的收敛速度和有效性,利用此算法研究优化问题具有广阔的前景。

非图解算器 这是我解决非图（网格难题）的进化算法 适应度通过Needleman-wunsch算法计算。 个体由2D二进制数组或每行空间大小的数组列表表示（称为智能个体）。 聪明总是让传奇正确地实现了。 既有“经典” EA方法，也有确定性拥挤。 确定性拥挤也可以在CUDA GPU上运行。 灾难和迁徙为“岛屿模式”提供了支持。 （岛屿在一个线程中运行。） 最好的个人也可以简单地获得价值。 附加了几个示例输入。 用法 应用程序由命令行参数控制（顺序无关紧要）： par，ser-打开CUDA计算。 par and ser表示将以并行还是串行方式计算个人的适应度。 串行速度更快。 默认值：将使用CPU 即-开启vizualization。 默认值：关闭。 仅CPU bin-使用二进制个人。 默认值：智能表示。 仅CPU。 GPU自动使用二进制文件。 dc-使用确定性拥挤。 默认值：正常演变。 仅

情感分析已成为社交网络分析的主流研究之一。 它的影响可以在许多实际应用中看到，从舆论分析到营销公众赞誉和信息预测。 然而，大多数现有的研究已经在主观文本的情感分类中进行，复杂的交互文本（例如，在线评论）的情感演变分析尚未被研究界彻底确定目标。 本文关注从天涯论坛收集的中文短文在线评论。 首先，提出了一种有效的情感计算框架来捕捉中国在线评论的内在情感。 它可以准确地计算整个评论的语义方向，而无需昂贵的手工标记种子词。 由于用户的态度可能会相互影响，因此仅依靠历史评论的情感价值来预测其未来的情感行为是非常一方面的。 因此，我们提出一种结合情感计算的基于博弈论的情感演化预测算法，该算法将混合纳什均衡策略作为交互用户的未来情感行为进行计算。 然后，在大规模审查数据集上提供实验结果，以证明我们方法的有效性和准确性。 最后，通过将研究结果应用到幸福感与大众感的成对评估中，我们在天涯论坛的“世界观”板上发现了一些有趣的现象。

适合多目标数学模型优化

文章讲述了差分进化的基本思想，提出了新的观点及应用

针对差分进化算法的程序，基于matlab，绝对能够运行，而且生成图形非常好