PICEA-g是一种新的多目标优化算法，算法性能，特别是在高维多目标问题上，优于NSGA-II等经典算法。 The PICEA-g is a evolutionary multiobjective algorithm. It performs well on both bi- and many-objective problems. In this package the PICEA-g can only handle unconstrained multiobjective problems. Readers can contact ruiwangnudt@gmail.com for more details

完整代码，可直接运行

整代码，可直接运行

传统群智能算法在解决复杂实际多目标优化问题中存在不足，近年来学者提出诸多新型群智能算法，适用性强，在求解复杂实际问题中取得了较好的实验效果。以算法提出时间为主线，对新型群智能算法中细菌觅食优化算法、混合蛙跳算法、人工蜂群算法、萤火虫算法、布谷鸟搜索、果蝇优化算法和头脑风暴优化算法的改进及应用进行分析和综述，并对群智能算法未来的研究发展方向进行了探讨。

Portfolio - Optimizer Latest Release Build Status Coverage 该项目在中被使用。 TODO lists Potfolio - optimizer由于有大量的c++代码，造成其使用困难。对于依赖的库而言（例如：alpha-mind)，也是使得被依赖库难以使用。所以Portfolio - Optimizer将有一次重大的重构，包括： 提供完整的python接口； 作为标准的python包在pypi上发布； 增加多期优化的能力。 安装 PYPI $ pip install portfolio-optimizer Source $ python setup.py install

基于粒子群优化算法(PSO)确定参数的脉冲欧和神经网络滤波方法。利用粒子群优化算法(PSO)确定pcnn图像滤波参数，对图像进行滤波(Based on Particle Swarm Optimization (PSO) to determine the parameters of the pulse in Europe and neural network filtering method. The use of particle swarm optimization (PSO) to determine PCNN parameters of image filtering, image filtering)

一个利用PSO粒子群优化算法训练BP神经网络的程序，在matlab环境中进行操作，代码简便可行。(The use of a PSO particle swarm optimization algorithm to train BP neural network procedures, operating in the MATLAB environment, the code is simple and feasible.)

车辆通信中基于连通性的多车道路由优化算法

针对概率Hough变换耗费大量内存以及直线端点搜索容易受到网状聚集点干扰的缺陷，提出一种基于概率的局部Hough变换优化算法。将边界分为有序和无序两类，前者通过随机抽取采样点并结合其相邻点进行直线搜索，后者采用在随机抽取点周围建立感兴趣区域并进行局部Hough变换，检测到直线后进行全局搜索并实时修正直线斜率，对因网状聚集点产生的错误直线采用间隔计数和限制总间隔长度的方法进行排除。使用500张图片进行实验验证，算法耗时均低于概率Hough变换耗时的1/3，且对网状聚集边界点的直线错检具有较高抵抗性，检测结果比概率Hough变换直线检测更加准确，内存消耗减少超过90%以上。

资料将目前常见/所有的深度学习优化器算法进行汇总描述，并从宏观上对所有算法进行对比分析。可为对优化器的全面了解提供辅助作用，对优化器的选用也有辅助作用。