多目标优化ZDT系列和DTLZ系列Pareto真实前言数据，包含ZDT1,ZDT2,ZDT3,ZDT4,ZDT5,ZDT6,DTLZ1~7

为提高多元宇宙优化算法(MVO)的全局探索和局部开采性能,提出一种耦合横纵向个体更新策略的改进MVO算法(IMVO).横向更新策略是建立在宇宙种群层级的一种水平迁移进化机制,通过引入加权学习因子保证子代个体同时向多个父代宇宙继承位置信息,以改善种群的个体多样性和算法全局探索性能,适定性修正虫洞存在概率表达以保证种群个体间的充分信息交互;纵向更新策略是基于宇宙个体层级的一种纵向自我学习进化机制,根据最优宇宙历史信息,通过模拟认知的历史遗忘记忆特性实现记忆均值邻域的再开采,以增强算法局部开采性能.最后通过数值实验验证不同加权学习因子函数对算法性能的差异性影响,改进算法的优化性能和算法稳健性等.

电力系统经济调度问题是电力系统中的一个重要的研究课题,针对该问题,提出一种改进粒子群优化(ODPSO)算法.改进算法在搜索前期,采用广义的反向学习策略,使算法能够快速地靠近较优的搜索区域,从而提高收敛速度;在搜索后期,借鉴差分进化算法的进化机制设计改进的变异和交叉策略,对当前种群的最优粒子进行更新,从而提高种群的多样性,进而协助算法获得全局最优解.为了验证改进粒子群优化算法的有效性,对CEC2006提出的22个基准约束测试函数进行仿真,结果表明改进算法相比其他算法在寻优精度和稳定性上更具优势.最后,将改进算法应用于考虑机组爬坡速率约束、机组禁行区域约束以及电力平衡约束的两个电力系统经济调度问题,取得了令人满意的结果.

CEC2013基准测试函数集 包含cpp版本和matlab版本

文件中具体描述哪些算法适合解决单目标优化问题、多目标优化问题以及高维多目标优化问题等等。哪些基准测试函数适用于单目标、多目标、高维多目标问题等等，以及介绍了PlatEMO3.0的基本操作和使用方法。

基准测试函数，python

压缩包内包含Ackley、Alpine、Griewank、Levy、Michalewicz、NCRastrigin、Penalty1、Penalty2、Quartic、Rastrigin、Rosenbrock、Schewfel221、Schewfel222、Schwefel226、Shaffer、SineEnvolope、Sphere、Step、Weierstrass共19个常用的基准测试函数，调用时传入参数统一为传入的向量和向量的维数，如z=Sphere(x,dim),x为向量，dim为x的维数。如有其他函数需求，可私信获取。

标准的人工蜂群算法优化、求解CEC基准测试函数，算法有详细的注释，算法收敛曲线图，测试函数的代码表达式及图像（pdf）。

标准的粒子群优化算法优化、求解CEC基准测试函数，算法有详细的注释，算法收敛曲线图，测试函数的代码表达式及图像（pdf）。