该内容包括差分进化算法解决单目标优化和改进的差分进化算法模拟退火差分进化算法，读者根据自己的需要把测试函数修改就行

1.利用改进的差分进化算法来优化神经网络的权值和阈值，大大的提高了预测精度 2.编程采用matlab

EvoFuzzy 这是用于调整模糊推理系统的的非常简单的Python实现。 要求 已知依赖项： Python（3.5.5） 脾气暴躁（1.14.2） Matplotlib（2.2.2） 要安装依赖项，请cd到存储库的目录并运行pip install -r requirements.txt 代码结构 anfis.py ：包含python ANFIS实现。 diffevo.py ：包含差异进化算法的python实现（基于）。 fobj.py ：包含几个目标函数。 mackey.py ：包含一个示例，该示例使用差异演化来调整ANFIS以预测Mackey Glass系列。 本示例在序列的1500个点上训练系统，并绘制实际序列与预测序列的关系图。 要运行示例，请cd到存储库的目录并运行python mackey.py 去做： 实现除高斯人以外的成员资格功能。 实施其他进化算法来

该资源使用了差分进化算法解决TSP问题，内包含两两城市间的距离、最优路径图、个体的路径长度的三个子函数，读者只需要根据自己的需要修改主函数的城市坐标即可！

针对不确定多目标柔性作业车间调度问题,将工序加工时间采用区间数表示,以区间最大完工时间和区间机器总负荷为优化目标,构建多目标区间柔性作业车间调度模型,并设计一种多目标进化优化算法对该模型进行求解.算法采用混合策略生成初始化种群,并采用贪婪插入法对染色体进行解码,通过基于可能度的占优关系评价个体性能,将区间目标归一化结合拥挤距离反映优化解的分布情况.实验结果验证了所提出算法的有效性.

采用差分进化算法（Differential Evolution）优化LSTM回归预测，全中文注释，内置数据集，可以matlab2019上直接运行（已测试）

基于分解的多目标进化算法(具有动态资源分配 (DRA) 的 MOEA/D) Decomposition Based Multi Objective Evolutionary Algorithm 代码是基于基于分解的多目标进化算法（MOEA/D）的思想和资源分配策略开发的。资源分配策略用于为 MOEA/D 中所需的子问题分配计算资源。 Mohaideen abdul kadhar K (2022)。基于分解的多目标进化算法

MO-NILM：一种用于 NILM 分类的多目标进化算法MO-NILM: A multi-objective evolutionary algorithm for NILM [1] Machlev, R.、Belikov, J.、Beck, Y. 和 Levron, Y. (2019)。MO-NILM：一种用于 NILM 分类的多目标进化算法。Energy and Buildings, 199, 134-144. ‏ [ 2] Tian, Y., Cheng, R., Zhang, X., & Jin, Y. (2017)。PlatEMO：用于进化多目标优化的 MATLAB 平台 [教育论坛]。IEEE 计算智能杂志，12(4)，73-87。

paradiseo启发式优化框架

metslib进化算法框架