Author(s): Noor H. Awad & Mostafa Z. Ali Paper：Ensemble Sinusoidal Differential Covariance Matrix Adaptation with Euclidean Neighborhood for Solving CEC2017 Benchmark Problems

Matlab Hill代码ieee_cec_2014_nmmso 2014年IEEE进化计算大会代码库，其中包含Niching Migratory Multi-Swarm Optimizer和文献中的其他两个多模态优化器 所提供的实现方式与Jonathan E. Fieldsend发表在IEEE进化计算会议论文集，第2593-2600页，2014年的“奔跑的山丘：利用适当的迁移多群优化器进行多模态搜索”中使用的实现方式相同。 机构存储库： 依赖性：您将需要Ian Nabney的Netlab toobox（因为NMMSO使用其dist2函数来计算矩阵之间的平方距离）。 这可以从 请在Matlab的命令行中使用“帮助function_name”来获取函数用法的说明-请注意，“ _ iterative”版本将算法运行一代（并且可以将上一代终端的状态作为输入）。 这允许逐步进行用于行为分析的算法。 非迭代版本本质上包装了迭代版本。 我已经输入了代码注释，子程序（希望如此！）在命名上并不是太不透明。 任何查询，错误修复等，请给我发电子邮件。

提出了一种自适应差分进化算法，该算法在计算过程中自适应调整缩放因子，在搜索初期保持种群的多样性和增强全局搜索能力，后期有利于局部搜索提高算法的精度。数值实验结果表明，该算法有效的避免早熟，提高了全局寻优能力。该算法的性能优于基本微分进化算法。

通过协方差矩阵自适应提高差分进化的性能

关于生物信息学的资料 上面是进化算法在基因序列中的应用

用于构建进化树的软件，内含建造的教程。但是一个测试版的！

进化树分析

非支配排序，拥挤度计算，pareto前沿，A Fast and Elitist Multi-objective Genetic Algorithm:NSGA-II NSGA算法 NSGA算法缺陷 NSGA-II算法 总结 1. 快速非支配排序法将时间复杂度改进为O(MN2)； 2.使用拥塞距离代替代替共享函数算法保持种群多样性； 引入精英保留策略。 非支配排序的复杂度较高: O(MN3) （M是目标函数的个数，N是种群大小)； 缺少精英保留策略； 需要人为指定共享参数σshare（共享小生境步骤）。 NSGA： nondominated sorting genetic algorithms-非支配排序遗传算法 nondominated：非支配 例：回家，两目标（费用，时间），均越小越好 动车A（270 , 7），普快B（120 , 10），飞机C（240，2） C（240，2）支配A（270 ， 7）; A（270 , 7）被C（240，2）支配; B（120 , 10）和C（240，2）不可比，即非支配。 目的：得到一组非支配的解--Pareto最优解集。

再发一个微分进化算法DE的小程序-DE-test.rar 晚上用了三个小时，用两个特殊函数测试了一下，结果很不错，希望对初学者有帮助哦！

python实现基于改进的差分进化算法求解柔性作业车间调度问题源码+项目说明.7z 问题规模以(工件J*工序P*机器M)表示，例如J20P10M10表示共有20个工件，每个工件有10个工序，总共有10个加工机器可供选择。data文件夹中的文件表示程序所用的数据，其中data_first文件的问题规模是J10P5M6，data_second文件的问题规模是J20P10M10，data_third文件的问题规模是J20P20M15。对于其中数据的解释：横向表示工序，纵向表示机器，每个数值表示机器加工工序的耗时，工序和机器都是按顺序排列的。以data_first.txt文件为例，前五行分别表示第一个工件的5个工序分别在6台机器上加工的时间，第5-10行表示第二个工件的5个工序分别在6台机器上加工的时间，以此类推。 关于编码，本项目采用的是同类问题常用的编码方式，参考论文“基于改进遗传算法的柔性作业车间调度问题研究”，与该论文所述的编码方式不同的是，本项目的编码中第一段为工序编码，第二段为机器编码。