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

利用遗传，模拟退火以及粒子群算法来求解TSP问题

自适应滤波算法完整代码，可优化可仿真，优化过程非常简单，只用修改迭代公式即可，是学习自适应滤波算法非常好的源代码材料

有代码有报告有工具箱 理解遗传算法的基本思想和基本流程，应用 Sheffield 遗传算法工具箱和 Matlab 神经网 络工具箱，完成基于遗传算法的 BP 神经网络的初始权阈值的优化，分析算法中各种参数变 化对计算结果的影响，并比较未使用遗传算法、使用遗传算法这两种情况下的训练误差。 1、编写程序，附上程序清单和有关曲线。 2、总结实验所得主要结论。 3、简要回答思考题。

PICEA-g是一种新的多目标优化算法，算法性能，特别是在高维多目标问题上，优于NSGA-II等经典算法。 The PICEA-g is a evolutionary multiobjective algorithm. It performs well on both bi- and many-objective problems. In this package the PICEA-g can only handle unconstrained multiobjective problems. Readers can contact ruiwangnudt@gmail.com for more details

完整代码，可直接运行

整代码，可直接运行

传统群智能算法在解决复杂实际多目标优化问题中存在不足，近年来学者提出诸多新型群智能算法，适用性强，在求解复杂实际问题中取得了较好的实验效果。以算法提出时间为主线，对新型群智能算法中细菌觅食优化算法、混合蛙跳算法、人工蜂群算法、萤火虫算法、布谷鸟搜索、果蝇优化算法和头脑风暴优化算法的改进及应用进行分析和综述，并对群智能算法未来的研究发展方向进行了探讨。

Portfolio - Optimizer Latest Release Build Status Coverage 该项目在中被使用。 TODO lists Potfolio - optimizer由于有大量的c++代码，造成其使用困难。对于依赖的库而言（例如：alpha-mind)，也是使得被依赖库难以使用。所以Portfolio - Optimizer将有一次重大的重构，包括： 提供完整的python接口； 作为标准的python包在pypi上发布； 增加多期优化的能力。 安装 PYPI $ pip install portfolio-optimizer Source $ python setup.py install

基于粒子群优化算法(PSO)确定参数的脉冲欧和神经网络滤波方法。利用粒子群优化算法(PSO)确定pcnn图像滤波参数，对图像进行滤波(Based on Particle Swarm Optimization (PSO) to determine the parameters of the pulse in Europe and neural network filtering method. The use of particle swarm optimization (PSO) to determine PCNN parameters of image filtering, image filtering)