鼠群优化（Rat swarm optimization，RSO）算法是于2020年提出的一种寻优精度高、全局搜索性能强的新型仿生群体智能算法。

Python猎人猎物优化函数极值寻优程序，Hunter-Prey-Optimization

智能优化算法：捕食者算法Hunter–prey optimization 的MATLAB源码

matlab三次函数代码拓扑优化 基于使用EFG，FEM或IIEFG方法的移动节点算法的拓扑优化。 介绍 这套Matlab文件用于通过移动节点方法（MNA）解决2D平面应变问题的拓扑优化。 在这种方法中，材料分布与离散化解耦。 材料分配 材料分布用于指定材料的位置。 它基于质量节点。 由于使用三次样条曲线形状函数的核近似，可以计算出一点的密度。 为了避免数值问题，添加了一些更正。 离散化 必须离散化控制线性弹性方程式以数值方式解决该问题。 离散化方法可以是： 一种称为Element-Free Galerkin（EFG）的无网格方法 有限元方法（FEM） 代码结构 主文件 主文件topologyOptimization.m是一个启动优化器的Matlab脚本。 用户可以更改脚本进行设置 离散化方法（EFG或FEM） 优化变量（质量节点，不可变形的结构构件或可变形的结构构件） 优化算法 问题常数 问题常量在Constants\目录中定义。 这包括 问题几何 边界条件 材料分布常数 离散化 离散化方法使用Discretization\ ， EFG\和FEM\目录中的函数。 InitEFGMes

英文版《凸优化》课程作业的答案； 自己整理，部分习题可能没有，但大部分习题都整理出来了 对应的课程为西交《系统优化与调度》作业，

这个优化器的主要灵感是自然界中飞蛾的导航方法，称为横向定向。 飞蛾在夜间飞行，相对于月亮保持固定角度，这是一种非常有效的长距离直线飞行机制。 然而，这些花哨的昆虫被困在人造光周围的无用/致命的螺旋路径中。 MFO 算法对该行为进行数学建模以执行优化。 这是论文的源代码： S. Mirjalili，Moth-Flame 优化算法：一种新颖的自然启发式启发式范式，基于知识的系统，DOI： http : //dx.doi.org/10.1016/j.knosys.2015.07.006 ( http://www.sciencedirect.com/science/article/pii/S0950705115002580 ) 更多信息请见： http : //www.alimirjalili.com/MFO.html 我有很多这方面的相关课程。 您可以通过以下链接注册，享受 95% 的折扣：

Practical Mathematical Optimization Basic Optimization Theory and Gradient-Base 实用数学优化：基本优化理论与基于梯度的算法 本书为数学、工程、计算机科学和其他应用科学的高年级本科生和研究生提供了广泛的数学优化课程工具。介绍了优化的基本原理，重点介绍了基于梯度的数值优化策略和算法，可用于求解光滑和有噪声的不连续优化问题。还注意到函数求值的困难和存在多个最小值，这往往不必要地抑制了基于梯度的方法的使用。这第二版介绍了仅梯度优化策略的进一步改进，以处理目标函数中的不连续。新的章节讨论了代理模型的构造，以及新的仅限梯度解决方案策略和使用Python的数值优化。一个特殊的Python模块以电子方式提供(通过springerlink)，它使文本中的新算法易于访问并直接适用。数值例子和练习包括鼓励高级到研究生水平的学生计划，执行，并反映数值调查。通过对概念材料的深入理解，学生、科学家和工程师将能够发展系统和科学的数字调研技能。 https://link.springer.com/book/10.1007/978-3-3

NocedalJ.,WrightS. NumericalOptimization (2ed.,Springer,2006)

SALBP-1-模拟退火 该算法是一种概率方法，用于逼近简单装配线平衡问题的全局最优值。 Linux构建 要构建此应用程序，请在父目录中执行make build 。 用法 ./salbp1-sa[OPTIONS]... OPTIONS: -c (SALBP1 maximum time per station. Default: 6) -t (initial temperature. Default: 1) -l (stop condition. Default: 0.000001) -d (cools temperature to (temperature_decay*temperature

凸优化方面的经典著作 Here　is　a　book　devoted　to　well-structured　and　thus　efficiently　solvable　convex　optimization　problems,　with　emphasis　on　conic　quadratic　and　semidefinite　programming.　The　authors　present　the　basic　theory　underlying　these　problems　as　well　as　their　numerous　applications　in　engineering,　including　synthesis　of　filters,　Lyapunov　stability　analysis,　and　structural　design.　The　authors　also　discuss　the　complexity　issues　and　provide　an　overview　of　the　basic　theory　of　state-of-the-art　polynomial　time　interior　point　methods　for　linear,　conic　quadratic,　and　semidefinite　programming.　The　book's　focus　on　well-structured　convex　problems　in　conic　form　allows　for　unified　theoretical　and　algorithmical　treatment　of　a　wide　spectrum　of　important　optimization　problems　arising　in　applications.