最优化算法及其Matlab程序-Matlab程序.rar Matlab程序.rar 每节顺序排列

hftbot版本3 对象： 三角形中涉及三种对象类型/接口。 每个都直接连接到其他两个。 交易所--- gdax --- poloniex 分析器（允许我们在漫游器和交易所之间共享资源）---购买墙壁分析仪大脑---体积分析仪大脑 交易者---一分钱跳跃机器人---摇摆交易机器人 交易机器人可以实现任何或多个API来下达和管理订单。 这与上面的“ Exchange”类型完全分开，后者只是一个数据馈送/输入对象。 僵尸程序始终会运行多个协同例程。 监控有效订单-检查止损是否被击中，进行调整-订单完成时通知 寻找机会（来自“ <-tick”频道的信息） Bot具有任务队列，可防止它们过载。 例如，我们一次只能发出有限数量的LIMIT订单（取决于余额，风险偏好等）。 因此，机会分析器协同例程仅通过容量有限的队列调用placeLimitBuyOrder（）。 直到我们收到GDAX服务

预测蛋白质功能是后基因组时代最具挑战性的问题之一，在大规模数据下采用高性能的功能预测算法能够节省大量的实验时间和成本。利用基于蛋白质相互作用网络的全局优化模型，提出了蛋白质功能预测的蚁群优化算法，算法在考虑全局模型的同时还利用了网络的先验信息，提高了搜索效率，仿真结果表明，蚁群优化算法能够有效对蛋白质功能进行预测，并且对蛋白质相互作用网络中的假阳性、假阴性数据具有较高的容错能力。

共轭梯度法和DFP算法matlab实现两道例题的代码，可供参考！

基于灰狼优化算法GWO优化VMD,matlab源码

针对航空物流领域对路径进行精确计算以降低配送成本的需求，文中对路径的优化方法进行了研究。通过建模分析，将该问题被抽象为数学中的枢纽位置问题（HLP），然后使用遗传算法进行求解。为了解决大规模的复杂HLP，文中对传统的遗传算法进行了改进，将单一种群的遗传算法扩展成双种群模式。通过为两个种群设置不同的进化参数，从而保证最终胜出的个体具备更优秀的搜索能力。此外，为防止遗传个体在搜索时陷入局部最优解，还引入了模拟退火算法中Metropolis准则。为了衡量改进后的算法性能（I-SGA），文中基于航空公司的实际航线和15个大中城市机场的实际规模等相关数据进行了仿真测试。仿真结果表明，I-SGA的目标函数最优收敛值为1.234 e+12，平均收敛值为1.100 e+12；而SGA的最优收敛值为1.201 e+12，平均收敛值为1.021 e+12，所提算法的效果和效率均有明显的提升。

一个简单而快速的NSGA-II，可以处理受约束的问题。 两个主要特点是： - 可以在同一个/单独的文件中包含约束- 可以用许多有趣的设计（用户可以选择一些起点）来播种初始一代。

遗传算法源代码matlab程序qopt 量子启发式进化算法求解优化问题 该存储库包含一些由Robert Nowotniak在2010-2015年间开发的未发布的源代码。 它们用于研究高级随机搜索算法（主要是量子启发式进化和遗传算法以及其他种群方法），以进行数值和组合优化。 这些程序和算法是用不同的编程语言开发的：C，C ++，带有Cython接口的Python，CUDA C内核，助手Bash shell脚本以及某些算法，甚至在Matlab中也是如此。 源代码库的主要内容： Algorithms / purepython / -纯Python中的算法实现（最慢的初始POC实现） Algorithms / * 。pyx-Cython中的iQIEA，MyRQIEA2，QIEA1，QIEA2，rQIEA算法实现 C / -一些算法和测试问题在C ++中的实现 CUDA / -CUDA C计算内核在GPGPU中实现了一些算法（极快，在多GPU环境中可提高数百倍的速度） 问题/ -不同的数值优化函数，背包问题，SLAM，编码不同组合问题的SAT（布尔可满足性问题），以及来自CEC2005，CEC2

以垂直Pendubot为研究对象,提出一种基于智能优化算法的轨迹规划与控制方法,以解决Pendubot控制过程中难以从摇起区过渡至平衡区的问题.为Pendubot的驱动连杆规划一条从初始角度到中间角度的正向轨迹和一条从中间角度到目标角度的反向轨迹.欠驱动连杆在系统耦合关系作用下进行运动,对应的Pendubot末端点也运动至相应位置.通过遗传算法优化轨迹参数,将正向和反向轨迹拼合为一条由初始角度到目标角度的驱动连杆轨迹的同时,对应的Pendubot末端点轨迹拼合为一条由垂直向下平衡位置到垂直向上平衡位置的完整轨迹,然后设计跟踪控制器跟踪优化后的驱动连杆轨迹至目标角度,由于耦合关系的存在,Pendubot末端点也运动至垂直向上平衡位置.由于Pendubot受重力作用,其末端点很难长时间稳定在垂直向上平衡位置,故设计镇定控制器,实现Pendubot末端点在垂直向上平衡位置的镇定控制.最后通过仿真实验验证所提出方法的有效性,并通过对比说明所提出方法在奇异点规避、控制器设计和控制效果方面的优势.

论文研究-人工记忆优化算法.pdf,  为了求解复杂函数优化问题,根据人类记忆原理构造出了具有全局收敛性的人工记忆优化算法. 在该算法中,每个记忆元对应着一个试探解; 将记忆原理的记忆和遗忘规律用于控制每个记忆元的状态转移; 记忆元的状态由与试探解相关的状态描述量以及记忆残留值构成,该值分为瞬时记忆、短时记忆和长时记忆三种状态类型,并依据记忆元接受刺激的强度被加强或衰减; 处在瞬时记忆、 短时记忆和长时记忆状态的记忆残留值衰减速度由快到慢,记忆残留值低于某个阈值的记忆元要被遗忘,不再被处理. 在记忆元状态转变过程中,记忆元从一个状态转移到另一个状态实现了对优化问题最优解的搜索. 该算法将试探解与记忆关联,使得试探解依据其质量好坏被自动分类; 处于长时记忆状态的试探解因其质量好,其部分变量的状态值将被传给其它质量差的试探解对应的变量,使其质量得到改善; 处于不同记忆状态的试探解交换信息时,只有很少部分变量进行状态信息交换,这样既可以使试探解的大部分变量的状态保持不变,又能使其质量得到改善,且可大幅减少变量处理个数,对于高维优化问题此举可大幅提高算法收敛速度; 随着演化的进行,质量差的试探解会不断被遗忘,被处理的试探解的数量会不断减少,因此,随着时间的推移,本算法的收敛速度将越来越快. 应用可归约随机矩阵的稳定性条件证明了本算法具有全局收敛性. 测试结果表明本算法的性能与现有的群智能优化算法相比,具有收敛速度快,求解精度高的优势.