差分进化算法是由 Storn & Price 开发的一种优化算法。给定具有一组N参数的函数，该算法在定义的参数空间内创建一组NP 随机解，然后使用参数之间的变化来改变现有种群并找到更好的解。虽然这种优化方法可能很慢，但它可以避免陷入局部最小值，并且是一种易于实现和理解的简单算法。 微分进化也可以很容易地适应马尔可夫链蒙特卡罗方法。该包在 Go 编程语言中实现了差分进化和马尔可夫链蒙特卡洛差分进化。 更多详情、使用方法，请下载后阅读README.md文件

该实现利用差分进化来分析三维空间中的通用机器人系统，其链接由Denavit-Hartenberg 参数描述。优化（适应度函数）考虑了从操纵器（最后一个链接的末端）到空间中目标点的欧几里得距离。 该实现足够通用，可以针对系统的任何功能进行优化。出于演示目的，唯一的可变参数是 θ。 下面给出了一个具有四个链接的机器人系统的示例。 https://github.com/gabrieljablonski/inverse-kinematics-differential-evolution/blob/master/resources/robotic_system.png 更多详情、使用方法，请下载后阅读README.md文件

如何运行： 将最新版本的 golang 安装到您的计算机（1.16？） 在连接到端口 31311 的计算机上运行 postgres 实例 更改数据库中的主机。转到您的本地 ip（最有可能是 0.0.0.0） 将用户/密码更改为您设置的任何内容 更多详情、使用方法，请下载后阅读README.md文件

一个闪亮的应用程序，通过模拟退火 MCMC 可视化简单的贝叶斯推理。

为了帮助您使用 R中的空间模拟退火功能设计最佳空间样本配置 更多详情、使用方法，请下载后阅读README.md文件

制作婚礼座位表是出了名的困难和耗时，特别是如果您完全分配座位而不是只将客人分配到一张桌子上。但这确实是一个组合优化问题。我决定我会喜欢花几个小时编码而不是手动优化。 这里使用的算法是模拟退火，主要是因为它工作得非常好并且很容易实现。因为它是如此简单，它也相当快，这意味着你可以利用蛮力的力量。经过几轮调优，我让它通宵运行。早上，我有一个座位表，它是评估 30.5 亿个候选图表的结果。非常好。 标准算法的一个有趣的转折是它不仅仅交换单个座位；最多将交换整面。此外，它花费 90% 的时间在表内进行优化，只是偶尔在表之间移动组。 更多详情、使用方法，请下载后阅读README.md文件

使用 PSO（粒子群优化）或 DDS（动态维度搜索）算法进行（可选并行化）优化，这些算法在具有许多局部极值和有限数量的函数评估的多维（即多参数）函数方面表现出色。并行化版本建立在 Rmpi​​ 之上，旨在用于高度计算密集的目标函数（>20 秒评估时间）。该软件包的另一个重点是可以从中间项目文件恢复中断的优化运行。这些特性使该软件包可用于复杂数值模型（例如水文模型）的自动校准。

此代码使用遗传算法根据婚礼宾客彼此之间的密切程度来优化婚宴座位表。我选择使用以下键来确定接近度，尽管这可以根据作者的喜好进行修改。 亲密度：2000 = 配偶/日期 900 = 兄弟姐妹 700 = 父母/孩子 500 = 表亲 300 = 阿姨/侄女 100 = 朋友 0 = 不知道 5000 = 新娘/新郎 请注意，我必须创建一个特殊的新娘/新郎分数，因为我们俩都与参加婚礼的每个人关系密切，2000 分不足以确保我们坐在同一张桌子上。显然你想在你自己的婚礼上和你的新配偶坐在一起！ 获得密钥后，您必须创建一个包含所有婚礼宾客 x 所有婚礼宾客的矩阵，并根据每位宾客与其他宾客的关系对他们进行评分。这显然非常耗时，我认为可以通过用户输入其家谱的某种 GUI 来解决。这并不能解决分配亲密关系的问题，但是如果您有建议，请与我们联系！ 使用这个矩阵，您可以创建一个遗传算法，最大限度地提高整张桌子的紧密度，但要限制每张桌子上的客人数量（在我的例子中是 10）。在这个例子中，我选择了一个二元染色体（每个客人要么选择给定的桌子，要么不选择） 更多详情、使用方法，请下载后阅读README.m

实习 计程车计费（内含完整的C语言代码）

操作系统上机实验，要求使用C语言实现FCFS/SSTF/SCAN/CSCAN四种磁盘调度算法 本程序界面清晰，运行结果与教材一致，可以修改最大磁道号和初始磁道号（FCFS/SSTF/SCAN/CSCAN）哪个磁道号开始搜索，交互性较好，欢迎大家下载参考