约束处理带约束问题的优化算法带约束问题的优化算法

完整代码，可直接运行

完整代码，可直接运行

为了提高多目标优化算法解集的分布性和收敛性,提出一种基于分解和差分进化的多目标粒子群优化算法(dMOPSO-DE).该算法通过提出方向角产生一组均匀的方向向量,确保粒子分布的均匀性;引入隐式精英保持策略和差分进化修正机制选择全局最优粒子,避免种群陷入局部最优Pareto前沿;采用粒子重置策略保证群体的多样性.与非支配排序(NSGA-II)算法、多目标粒子群优化(MOPSO)算法、分解多目标粒子群优化(dMOPSO)算法和分解多目标进化-差分进化(MOEA/D-DE)算法进行比较,实验结果表明,所提出算法在求解多目标优化问题时具有良好的收敛性和多样性.

这是最优化算法及其应用中用到的部分程序,虽然不全但是还是有些价值的,包括弦切法,单纯行,黄金分割,最速下降,抛物线插值.

单变量粒子群优化算法演示程序，可观察研究粒子在优化过程中的行为。代码为 C++ & VS2010。

HHO算法

HHO算法

哈里斯鹰算法

ISSA算法