北大「最优化：建模、算法与理论」课件

描述背包问题和解决的方法，我正在学，也觉得很有用，大家可以用下

和声2 pyHarmony搜索 作者 杰弗里·费尔柴尔德 执照 本软件在 . 有关许可证的确切文本，请参阅单独的文件。 如果您使用此代码，您有义务提供归属。 关于 pyHarmonySearch 是和声搜索 (HS) 全局优化算法的纯 Python 实现。 HS 是一种元启发式搜索算法，类似于模拟退火、禁忌和进化搜索，它基于现实世界的现象。 具体来说，HS 模仿爵士乐队一起即兴表演。 礼貌 ： 在 HS 算法中，每个音乐家（= 决策变量）一起演奏（= 生成）一个音符（= 一个值）以找到最佳和声（= 全局最优）。 pyHarmonySearch 支持连续变量和离散变量，并且可以利用 . 要求 此代码不依赖于任何 3rd 方软件。 它只需要 Python 2.7 或更高版本。 安装 pyHarmonySearch 在 PyPI 上可用。 安装使用： pip install pyHarmonySearch 从源安装： python setup.py install 使用此代码 包括五个例子。 前三个示例 (, , 和 ) 是彼此的变体，它们找到了简单二维函数的全局最大值。 第四个示例 ()

首先针对常规多目标优化算法求解高维多目标优化时面临的选择压力衰减问题进行论述;然后针对该问题,按照选择机制的不同详细介绍基于Pareto支配、基于分解策略和基于性能评价指标的典型高维多目标优化算法,并分析各自的优缺点;接着立足于一种全新的性能评价指标-----R2指标,给出R2指标的具体定义,介绍基于R2指标的高维多目标优化算法,分析此类算法的本质,并按照R2指标的4个关键组成部分进行综述;最后,发掘其存在的潜在问题以及未来发展空间.

针对支持向量机(SVM)参数难以选择和确定的问题,采用一种新式元启发式优化算法——多元宇宙优化算法(MVO).并在传统多元宇宙优化算法(MVO)的基础上针对TDR值下降速度慢而导致旅行距离增加的问题,提出改进多元宇宙优化算法(IMVO),将改进多元宇宙优化算法用于支持向量机的参数优化和选择问题上.使用UCI标准数据库中的数据进行数值仿真实验.研究结果表明:采用改进多元宇宙优化算法优化的支持向量机有较强的寻优性能,稳定性较好.

基于Python实现的粒子群算法，上传上来方便大家交流学习，算法实现了最基础的粒子群算法，并附带简单的注释，大家可以根据自己的需要进行修改。粒子群算法是群智能一种，是基于对鸟群觅食行为的研究和模拟而来的。假设在鸟群觅食范围，只在一个地方有食物，所有鸟儿看不到食物（不知道食物的具体位置），但是能闻到食物的味道（能知道食物距离自己位置）。最好的策略就是结合自己的经验在距离鸟群中距离食物最近的区域搜索。

matlab优化算法案例分析与应用 (进阶篇)代码代码

完整代码，可直接运行

利用粒子群算法解决多目标优化问题，包含了gui代码和工具箱

该算法的灵感来自于由电容器和电感器组成的开关电路的瞬态行为。 TSO算法发表在应用智能期刊： https : //link.springer.com/article/10.1007/s10489-020-01727-y