基于双子群协同进化思想和果蝇优化算法，提出了一种求解0-1背包问题的双子群果蝇优化算法。利用双子群协同进化以及群半径自动调节来增强搜索过程的多样性，提高算法全局寻优能力；给出了双子群果蝇优化算法的具体步骤，并用MATLAB软件编程实现。通过对多个0-1背包问题的算例进行测试，并将测试结果与其他文献结果进行比较，结果表明，双子群果蝇优化算法具有较好的全局寻优能力，可作为求解0-1背包问题的一种实用方法。

蚁群优化算法求解旅行商问题。内有代码有报告 1、理解蚁群优化算法的思想。 2、利用 Matlab 实现蚁群优化算法求解 TSP 问题。 3、分析算法中各种参数变化对计算结果的影响。 二、实验要求 1、打印程序清单。 2、绘制算法求解过程图。 3、记录多次运行算法的最优解。 4、比较算法在不同参数设置下的性能区别。 5、简要回答思考题。

完整代码，可直接运行

1、粒子群算法发展历史简介 由Kennedy和Eberhart于1995年提出． 群体迭代，粒子在解空间追随最优的粒子进行搜索. 简单易行 粒子群算法: 收敛速度快 设置参数少 由Kennedy和Eberhart于1995年提出． 群体迭代，粒子在解空间追随最优的粒子进行搜索. 简单易行 粒子群算法: 收敛速度快 设置参数少

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。