1.利用改进的差分进化算法来优化神经网络的权值和阈值，大大的提高了预测精度 2.编程采用matlab

EvoFuzzy 这是用于调整模糊推理系统的的非常简单的Python实现。 要求 已知依赖项： Python（3.5.5） 脾气暴躁（1.14.2） Matplotlib（2.2.2） 要安装依赖项，请cd到存储库的目录并运行pip install -r requirements.txt 代码结构 anfis.py ：包含python ANFIS实现。 diffevo.py ：包含差异进化算法的python实现（基于）。 fobj.py ：包含几个目标函数。 mackey.py ：包含一个示例，该示例使用差异演化来调整ANFIS以预测Mackey Glass系列。 本示例在序列的1500个点上训练系统，并绘制实际序列与预测序列的关系图。 要运行示例，请cd到存储库的目录并运行python mackey.py 去做： 实现除高斯人以外的成员资格功能。 实施其他进化算法来

该资源使用了差分进化算法解决TSP问题，内包含两两城市间的距离、最优路径图、个体的路径长度的三个子函数，读者只需要根据自己的需要修改主函数的城市坐标即可！

采用差分进化算法（Differential Evolution）优化LSTM回归预测，全中文注释，内置数据集，可以matlab2019上直接运行（已测试）

初学者学习差分进化算法很好的资源。Matlab平台

此代码用于处理带约束的单目标优化问题，采用matlab编程。对于代码的使用，在工作窗口首先输入种群数（通常采用50-100），迭代次数1000以上，type指的是函数文件夹ConFitness_1对应的类型，测不同的type时，把之前的type对应的边界xmin,xmax注释，打开相应的变量类型的边界！

此方法采用matlab编程，利用自适应参数的差分进化算法结合可行性规则来解决带约束的单目标优化问题。对于代码的使用，在工作窗口首先输入种群数（通常采用50-100），迭代次数1000以上，type指的是函数文件夹ConFitness_1对应的类型，测不同的type时，把之前的type对应的边界xmin,xmax注释，打开相应的变量类型的边界！

此算法是结合了多突变方式和采用约束处理技术--伊布希罗值约束处理技术来进行处理，得到的效果比较好，适合用于改进做约束优化的处理。 对于代码的使用，在工作窗口首先输入种群数（通常采用50-100），迭代次数1000以上，type指的是函数文件夹ConFitness_1对应的类型，测不同的type时，把之前的type对应的边界xmin,xmax注释，打开相应的变量类型的边界！

针对电动汽车充换储一体化电站(CSSIS)与微电网所有权不同的微电网经济运行问题，建立基于Stackelberg博弈的双层优化调度模型。上层微电网作为领导者，以自身收益最大为目标函数，制定与下层CSSIS进行电能交易的内部电价；下层CSSIS作为跟随者，根据内部电价调整自身充、放电计划，以最大化自身收益。采用差分进化算法和Gurobi软件分别对上、下层优化问题进行求解，得到最优内部电价和CSSIS的最优充、放电计划。仿真算例表明，所提算法可以有效求解微电网与CSSIS交互的均衡策略，不仅能同时提高两者收益，还能更有效地利用CSSIS资源。

为了更好地提高并行差分进化算法的求解精度和计算效率，实现适用于解决多种优化问题的鲁棒性算法，提出了一种多种群多策略的并行差分进化算法。该算法将种群划分为多个子种群，不同的子种群分别采用不同的差分进化策略。多个子种群各自独立进化，互不干扰，每隔一定代数才进行种群间的通信交流。通过利用多种群实现多种优化策略，并采用并行方式，使得算法可以采用不同的优化策略进行搜索，更加节省计算时间。数值实验结果表明，该算法在求解不同类型的优化问题时都具有良好的计算能力和效率。