GODLIKE (Global Optimum Determination by Linking and Interchange Kindred Evaluators) 是各种基于种群的全局优化方案的泛化。 此外，它只需添加额外的目标函数即可处理单目标和多目标优化。 GODLIKE 使用遗传算法、差分进化、粒子群优化和自适应模拟退火算法的相对基本实现来解决优化问题。 其强大之处在于，这些不同的算法同时运行（链接），并且每个种群的成员之间有时也会互换（互换），以减少收敛到局部极小值的机会。 它主要是为了提高鲁棒性，而不是效率，因为它通常需要比任何单独的算法更多的函数评估。 它还旨在消除每次遇到优化问题时对这些算法进行微调的需要，并概括优化本身（它既是单目标优化器又是多目标优化器），并生成要使用的简单图在快速报告等中 基本示例： （单目标） % 扩展 Rosenbrock 函数罗森 =

针对鲸鱼优化算法（WOA）容易陷入局部最优解、收敛速度慢等缺陷，提出一种基于小孔成像反向学习策略的鲸鱼优化算法。首先采用高斯映射生成的混沌序列取代原始算法中随机产生的初始种群，增加种群的多样性；其次，提出了一种小孔成像反向学习策略，并结合最优最差反向学习思想，增加了寻优位置的多样性，提高了算法跳出局部最优的能力；最后，在算法中加入了一个非线性收敛因子和一个对数形式的概率阈值，在保留鲸鱼算法优点的前提下，协调了算法的全局搜索和局部开发能力。通过对10个基准函数进行仿真测试，实验结果表明改进算法在收敛速度和收敛精度等方面有明显的提高。

此工具箱提供二进制原子搜索优化 (BASO) < Main> 举例说明了 BASO 如何使用基准数据集解决特征选择问题。 ****************************************************** ****************************************************** **********************************

Eclipse设置，调优，使用详解，优化Eclipse开启时不卡，使用Eclipse软件时候的小技巧

天然气系统与电力系统的时间响应特性之间存在显著差异，若在综合能源系统优化调度模型中进一步融入天然气系统动态潮流模型，则能够更精确地描述其实际运行状态。为此，建立了考虑气网动态过程的电力-天然气耦合系统，该系统基于能量枢纽相耦合，并在能量枢纽中引入考虑负荷特性的需求响应模型，提出了考虑需求响应的多能源网与能量枢纽的联合优化调度方法。通过对网络模型与能量枢纽模型进行线性化处理来降低模型复杂度，并采用分解求解法进行多能流潮流计算。以含有2个能量枢纽的综合能源系统为算例进行仿真分析，结果表明考虑气网动态潮流的模型能更准确地描述实际运行状态，且考虑需求响应对于降低峰谷差、提高经济效益效果显著。

在 MATLAB 中编码的进化中心算法 (ECA)

一直在网上寻找三调的符号系统，也下载了好几个。但是使用起来，要么地类不全，个别地类无法匹配；要么地类符号和技术规程里的不符，看起来很别扭；要么色标不够准确；要么以上问题都有..... 于是乎，挑选了下载下来的问题比较少的符号库为基础，参照着三调技术规程，补全了遗漏的地类，更正了不正确的填充色标，修正了一些常见地类的表示符号...... 优化后的符号系统里既有匹配地类编码的，也有匹配地类名称的，还有单独的城镇村及工矿用地符号库，可以按需匹配。 这可能是全网地类最全，色标最正，符号最准的三调符号库了！

《最优化导论》(第四版)课后习题答案，正在学习凸优化和机器学习的人可以配合着书学习，相信会有帮助。亲测可用， 谢谢支持。

擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真。

PATRAN+NASTRAN进行的拓扑优化教材