进行多目标优化求解的算法和代码，在数学建模方面求最优解用的相对较多。代码中消息注释了进行多目标优化求解具体步骤

基于多目标优化算法的多无人机协同航迹规划

行业-电子政务-基于自适应正交交叉的多目标优化算法的个性化电影推荐方法.zip

机器学习与数据科学 机器学习和数据挖掘：回归[线性（选择和收缩，降维，超出线性范围）和非线性回归（逻辑，K-NN，树）]，交叉验证（LOOCV，K折，偏差与方差） ，分类（LDA，QDA，K-NN，物流，树，SVM），聚类（PCA，K-Means，分层）本课程将介绍数据挖掘/统计学习的主要主题，包括：统计基础，数据可视化，分类，回归，聚类。 重点将放在统计学习方法，其背后的模型，直觉和假设以及对实际问题的应用上。 您可以在stats 415项目文件夹中找到我的最终项目。 项目总结 实施整个学期学习的所有分类器，以预测通过BMI分类的美国肥胖率，其中最佳分类器为7倍KNN，预测准确性为81.54％ 分析模型选择方法以提供最佳模型并找到最佳预测因子； 结论是可以根据收入，饮食习惯，运动习惯和购物习惯来非参数地预测BMI

牛顿约束优化方法源程序代码 程序各语句含有相关注释 function [x,minf]=minnt(f,x0,var,eps) format long;%format:设置输出格式 format long、short不影响变量的显示 if nargin==3 eps=1.0e-6; end。

LOWESS- 局部加权散点图平滑，不需要 matlab 中的统计工具箱。 此回归将适用于 X 和 Y 之间的线性和非线性关系。 修改： 12/19/2008 - 添加上下 LOWESS 平滑。 这些额外的平滑显示了 Y 的分布如何随 X 变化。这些平滑只是将 LOWESS 分别应用于正残差和负残差，然后添加到数据的原始 lowess。 相同的平滑因子适用于上限和下限。 2/21/2009 - 添加排序功能，数据不再需要排序。 还添加了一个例程，以便如果用户还提供了第二个数据集，则线性插值是最低的，并用于预测提供的 x 值的 y 值。 2009 年 10 月 27 日 - 修改了第二个用户提供的 X 数据以获得预测。 Matlab 函数默认排序是唯一的。 在代码部分中确实不需要使用 y 预测的 LOWESS 结果执行 x 数据的线性插值。 如果用户不提供第二个 x 数据集，它将假

用于确定回归矩阵中共线性的程度和性质（也称为多重共线性）的几个 Matlab 函数。 给定一个设计矩阵，返回条件指数（最大奇异值与每个奇异值的比率）、方差分解比例和方差膨胀因子。 Belsley、Kuh 和 Welsch [1] 提出了一种使用以下条件诊断退化共线性的策略： 1) 用大条件指数判断的奇异值，并且与2) 两个或多个协变量的大方差分解比例 大条件索引的数量标识了设计矩阵的列之间的接近相关性的数量。 大方差分解比例确定了涉及相应近依存关系的协变量，这些比例的大小与条件指数相结合，提供了相应回归估计因存在共线性而退化的程度的度量。 尽管 Belsley 等人进行了数值实验，但“大”的含义在统计上并不精确。 表明以下范围是有用的： 条件指数，共线性5 100，严重 并且其中一对（或更多）方差分解因子 > 0.5 需

粒子群算法求解约束多目标优化万能matlab代码，很有参考价值

Multi-Objective Particle Swarm Optimization (MOPSO) is proposed by Coello Coello et al., in 2004. It is a multi-objective version of PSO which incorporates the Pareto Envelope and grid making technique, similar to Pareto Envelope-based Selection Algorithm to handle the multi-objective optimization p

进化多目标优化研究领域的一本最新专著，2007年出版。