粒子群算法的Pareto多目标函数优化,多目标粒子群优化算法原理,matlab源码

利用（μ,λ）演化策略求解Ackley函数极小化问题。主要包括种群初始化、重组、变异、（μ,λ）存活选择四个步骤来进行求解。

人工蜂群算法是近年来新提出的一种优化算法。针对标准人工蜂群算法的局部搜索能力差，精度低的缺点，提出了一个改进的人工蜂群算法，利用全局最优解和个体极值的信息来改进人工蜂群算法中的搜索模式，并引入异步变化学习因子，保持全局搜索和局部搜索的平衡。将改进的人工蜂群算法在函数优化问题上进行测试，结果表明改进的人工蜂群算法优于原算法。

目前,对于整体优化问题已经进行了大量理论研究,并提出了许多基于导数的解析方法和其他非解析的数值优化技术。但是,在实际领域中存在着各种高度复杂的优化问题,其目标函数可能表现为非连续或非处处可微、非凸、多峰和带噪声等各种形式,这类复杂优化问题不适合于采用解析方法,同时用传统上的搜索技术求解也会遇到许多困难。针对上述问题,提出利用遗传算法求解多峰函数的优化方法,新方法利用遗传算法的鲁棒性,对多峰函数进行优化,并用Matlab进行仿真,实验结果表明,遗传算法可以快速稳定地搜索到多峰函数的最优解。 更多还原

伊藤算法同遗传算法一样，是一种粒子优化算法，该算法模拟花粉的布朗运动，满足维纳过程，设置粒子的漂移和波动，漂移代表解的趋势项，即朝好的解漂移；波动代表振动项，即在解的周围波动，寻找更好的解。同时还有温度的影响，模拟的是退火过程。 伊藤算法能够解决函数优化问题，组合优化问题等NP难问题，而且程序简单，迭代次数少就能找到很好的解，特别适合函数优化问题，所以是一个非常好的优化算法。

matlab code for convex problem 很优化的使用环境，可以解决ill-posed 函数的优化问题，可以求解L1-norm,L2-norm等约束的优化问题。

基于遗传算法优化多尺度排列熵参数，类似于粒子群算法优化参数

遗传算法函数优化，内含两个函数优化实例，加matlab遗传算法工具箱，供初学者学习

LGWO：用于函数优化的改进的灰狼优化

蚁群算法ACO是一种新型的模拟进化算法，该算法采用蚁群在搜索食物源的过程中所体现出来的寻有能力来解决一些离散系统优化中的困难问题。应经用该方法求解了旅行商问题（TSP问题）、指派问题、调度问题等，取得了一系列较好的实验结果。