为了了解网络行为、更多地掌握网络流量情况和尽量多地测量信息，网络测量已成为重要的手段之一。从分析主动网络测量存在现状入手，结合测量模型研究分析，提出了一种优化路径算法，即二分步算法， 并给出了一种二分步近似算法，从而大大降低了测量代价。

该存储库包含“汤普森采样高效多目标优化”(TSEMO) 算法 [1] 的源代码。 该算法专为评估成本高昂的黑盒函数的全局多目标优化而设计。 例如，该算法已应用于生命周期评估（LCA）和化学过程仿真成本的同时优化[2]。 但是，该算法也可以应用于其他黑盒函数，例如 CFD 模拟。 它基于贝叶斯优化方法，构建高斯过程代理模型以加速优化。 此外，该算法可以在每次迭代中识别几个有希望的点（批量顺序模式）。 这允许并行评估多个模拟。 [1] Bradford，E.，Schweidtmann，AM和Lapkin，A. J Glob Optim（2018）。 https://doi.org/10.1007/s10898-018-0609-2 [2] D. Helmdach, P. Yaseneva, PK Heer, AM Schweidtmann, AA Lapkin, ChemSusChem 201

支持向量机(SVM)的序贯最小优化(SMO)算法 包结构 src |—— libsvm 林智仁教授的Libsvm核心源码 |—— MySMO 通过看支持向量机导论实现的SMO算法，只实现了高斯核 |—— smo1 参考国外的例子 |—— smo2 参考国外的例子

关于凸优化的算法之类的，希望大家像话帮助

改进蚁群算法的优化速度，该算法将搜索任务分成n个子群

AUV编队应用的分布式优化跟踪算法

数学建模最优化方法模型及算法程序实现，这是我参加数学建模常用的模型，与大家共享之

smo的matlab代码支持向量机 使用序列最小优化 (SMO) 算法进行训练的支持向量机的简单实现。 支持的python版本： Python 2.7 Python 3.4 Python包依赖 麻木 () 文档 设置模型（以下参数为默认值） from SVM import SVM model = SVM ( max_iter = 10000 , kernel_type = 'linear' , C = 1.0 , epsilon = 0.001 ) 训练模型 model . fit ( X , y ) 预测新的观察结果 y_hat = model . predict ( X_test )

HHO算法

哈里斯鹰算法