matlab遗传算法算例，人工智能算法，求解优化问题。

本人最近利用MATLAB在做仿真，其中涉及到求解凸优化问题，现发出来与大家共享代码程序，一起进步。

针对约束优化问题，提出一种自适应人工蜂群算法。算法采用反学习初始化方法使初始种群均匀分布于搜索空间。为了平衡搜索过程中可行个体和不可行个体的数量，算法使用自适应选择策略。在跟随蜂阶段，采用最优引导搜索方程来增强算法的开采能力。通过对13个标准测试问题进行实验并与其他算法比较，发现自适应人工蜂群算法具有较强的寻优能力和较好的稳定性。

【变色龙算法】基于变色龙算法求解单目标优化问题（CSA）含Matlab源码

Tree-Seed Algorithm (TSA) 是最近提出的一种基于群体的启发式搜索算法，用于解决连续优化问题。 在 TSA 中，树和种子代表优化问题的可能解决方案。 树木种群称为林分，林分中的树木数量是 TSA 的控制参数（在群体智能或进化计算算法中称为种群大小）。 TSA 中有两个特殊的控制参数，它们的名称是搜索趋势-ST 和将为每棵树产生的种子数-NS。 详情： http : //mskiran.kisisel.selcuk.edu.tr/tsa/

详细介绍了带有瓶颈限制的生产计划优化问题，并附有lingo源程序代码。

多目标规划 在课程最少的前提下以学分最多为目标。 最优解： x1 = x2 = x3 = x5 = x7 = x9 =1, 其它为0；总学分由21增至22。 注意：最优解不唯一！ LINDO无法告诉优化问题的解是否唯一。 可将x9 =1 易为x6 =1 课号 课名 学分 1 微积分 5 2 线性代数 4 3 最优化方法 4 4 数据结构 3 5 应用统计 4 6 计算机模拟 3 7 计算机编程 2 8 预测理论 2 9 数学实验 3             增加约束 ， 以学分最多为目标求解。

通信+优化+问题处理指导

Uni-App，从了解到开发，相信大家都会觉得Uni-App性能不好，其实也这是非原生的弊病。React Native、Flutter等，非原生框架，性能上都会或多或少的折损。但各个框架，都会做出性能提升建议，所以开发者在开发前，多了解一下，后面维护升级等就会更方便一点，否则项目越来越大，后续开发就会越来越难。现在我们就从uni-app运行原理上，了解一下，在哪些方面存在性能折损问题？ 逻辑层和视图层分离，非H5端通信

面向多目标优化问题的遗传算法的理论及应用研究.pdf