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

涉及线性规划、二次规划、非负最小二乘法、无约束一元函数极小问题、无约束非线性规划 、约束非线性规划、目标规划、最小最大问题、非线性最小二乘法、求解非线性方程以及半无穷下的非线性规划。（有例题且带有matlab程序求解过程）

基于遗传算法的非支配排序算法（NSGA_II）是用于求解多目标规划问题的一种方法。 通过帕累托支配求解帕累托最优解可以有效得到多目标函数的求解结果。 为优化帕累托最优解，运用遗传算法对求解结果进行优化。 但同时遗传算法具有未成熟收敛、群体规模对性能影响大、结果受初始值影响较大等缺点，因此利用多种群遗传算法对求解结果进行进一步优化，运用移民算子联系各个种群，运用精华种群保存每代最优结果。 **运行程序请优先下载谢菲尔德大学的MATLAB遗传算法工具箱

将离散空间问题求解的蚁群算法引入连续空间, 针对多目标优化问题的特点, 提出一种用于求解带有约束
条件的多目标函数优化问题的蚁群算法. 该方法定义了连续空间中信息量的留存方式和蚂蚁的行走策略, 并将信息
素交流和基于全局最优经验指导两种寻优方式相结合, 用以加速算法收敛和维持群体的多样性. 通过3 组基准函数
来测试算法性能, 并与N SGA II 算法进行了仿真比较. 实验表明该方法搜索效率高, 向真实Pareto 前沿逼近的效果
好, 获得的解的散布范围广, 是一种求解多目标优化问题的有效方法.

基于MATLAB编程，利用PSO寻找函数全局最优（可自行扩展）； 代码注释多，简化强，仅一重循环，便于理解PSO算法编程

本文在优化列车开行方案时综合的考虑了高铁运营企业的运营效益。在确定性假设的条件下，不同停站方案的列车，其开行成本是不同的，所以高铁运营企业的总收益也是不同的。目标函数为不同开行方案的列车开行成本最小，且满足发车能力及各时段的客流量以及服务能力。