提出了一种数据丢失贝叶斯网络参数学习的优化算法。期望最大化（EM）算法是常用的参数学习算法。 EM的最大似然估计（MLE）和最大后代估计（MAP）是局部估计，而不是全局估计，不容易实现全局最优。因此，本文提出了一种基于EM算法的点估计相对误差最小优化算法（EM-MLE-MAP）。仿真和实验结果表明，该算法在转子贝叶斯网络故障诊断中具有较好的精度，当损失率小于3％时，具有较高的诊断精度。

车牌识别是电子警察系统重要的功能模块, 字符识别是车牌识别的关键步骤。目前，BP（Back Propagation）人工神经网络因其优越的性能而广泛应用到车牌识别中，但是BP神经网络在局部极值、假饱和、收敛速度缓慢等方面存在着不足。针对这些局限性，从网络的层数、节点数、动量项、学习因子方面进行分析和改进，构建了一个优化的BP人工神经网络，进行字符识别。仿真结果表明，该优化的识别算法识别准确率高，具有良好的识别性能。

传统的细菌觅食优化算法仅针对单目标优化问题寻优，为进一步发掘细菌群体智能在多目标优化问题中的寻优优势，提出了改进的多目标细菌觅食优化算法。在个体间互不支配时给出归一化的择优策略；引入差分思想完成复制操作，提高种群的多样性；采用栅格划分法进行迁徙操作，提高解集的分散性；同时使用外部集存放当前找到的非支配解，并不断对外部集进行优化。通过对多个标准函数进行测试并与其他几种算法的对比结果表明，所提出的多目标细菌觅食优化算法在解的收敛性和分散性指标上都有一定提升，能够有效解决多目标优化问题。

一种新的元启发式优化算法，称为蚯蚓优化算法（EWA），已完全实现。 此代码演示了 EWA 如何用于无约束优化（Ackley 函数），它可以轻松扩展以有效地解决各种全局优化问题。 提供了两个版本： EWA_Generation_V1.m 用于固定数量的迭代/代。 EWA_FEs_V1.m 用于固定数量的函数评估 (FE)。

关于模型预测控制简化数据，可以简化模型预测控制算法的计算量。

完整代码，可直接运行

北极熊优化算法PBO的Python实现，对Ackley函数的寻优

进化多目标优化主要研究如何利用进化计算方法求解多目标优化问题,已经成为进化计算领域的研 究热点之一.在简要总结2003 年以前的主要算法后,着重对进化多目标优化的最新进展进行了详细讨论.归纳出 当前多目标优化的研究趋势,一方面,粒子群优化、人工免疫系统、分布估计算法等越来越多的进化范例被引入多目标优化领域,一些新颖的受自然系统启发的多目标优化算法相继提出;另一方面,为了更有效的求解高维多 目标优化问题,一些区别于传统Pareto 占优的新型占优机制相继涌现;同时,对多目标优化问题本身性质的研究 也在逐步深入.对公认的代表性算法进行了实验对比.最后,对进化多目标优化的进一步发展提出了自己的看法. 关键词: 多目标优化;进化算法;Pareto 占优;粒子群优化;人工免疫系统;分布估计算法

基于matlab的各种优化算法（书和代码），适合自己学习

主要为大家详细介绍了python绘制评估优化算法性能的测试函数，具有一定的参考价值，感兴趣的小伙伴们可以参考一下