全局优化-理论与算法(Global Optimization Algorithms– Theory and Application) 高清晰非扫描PDF版本。 第二版本，2009出版。

#资源达人分享计划#

最优化算法

这个包含如下几个优化类别的资源： 全局优化 鲁棒优化 半定优化 数值优化

秃鹰搜索（BES）算法，这是一种新颖的，受自然启发的元启发式优化算法，它模仿秃鹰在寻找鱼类时的狩猎策略或聪明的社交行为。 这是该文件的源代码：Alsattar，HA，Zaidan，AA＆Zaidan，BB（2020）。 新颖的元启发式秃鹰搜索优化算法。 人工智能评论，53（3），2237-2264。

说明：用于的替代模型工具箱- 无约束连续-约束整数- 约束混合整数计算成本高的全局优化问题。 用户可以选择不同的选项-替代模型- 抽样策略- 最初的实验设计用户可以确定允许的函数评估的最大数量、初始起始设计中的点数以及添加到起始设计中的一个或多个点。 当单个函数评估非常耗时，因此必须在非常有限的评估次数中找到全局最优值的良好近似值时，该算法很有用。

凸优化与全局优化-第二版-英文原版，Convex Analysis and Global Optimization.pdf

适合一类全局优化问题的求解

Coyote Optimization Algorithm (COA) 是 Juliano Pierezan 和 Leandro dos Santos Coelho (2018) 提出的一种受自然启发的全局优化元启发式算法。 Matlab 版本可在： https : //www.mathworks.com/matlabcentral/fileexchange/68373-coa Python 和 R 版本可在： https : //github.com/jkpir/COA 原刊： Pierezan, J. 和 Coelho, LS “Coyote Optimization Algorithm: A new metaheuristic for global optimization questions”，IEEE 进化计算大会 (CEC) 会刊，巴西里约热内卢，2018 年 7 月，

新安江模型参数SCE-UA全局优化稳定性研究，汤嘉辉，辛朋磊，SCE-UA方法广泛应用于新安江模型的参数优化中，在前人研究的基础上对参数的相关性，优化资料长短以及参数搜索范围与参数稳定性的关