该资源包括了常见的约束优化处理算法，这里为读者提供了CCODE、CHDE、DyH、ECMPDE、JDE、jDE2等几种。在使用的过程中直接调用主程序就可以测试该几种算法的对比，可以用于解决约束优化问题和做约束优化算法的对比算法。此算法采用matlab编写！

（三）最速下降法的搜索路径呈直角锯齿形 定理4.1 设从点x(k) 出发，沿方向d作精确一维搜索， tk为最优步长因子，即 f(x(k) + tk dk) = min f( x(k) + t dk) 则成立 f(x(k) + tk d) T d =0, 即新点处的梯度与搜索方向垂直。 即 t>0 tk x(k+1) d(k) x(k) f(x)等值面 f(x (k+1) ) d(k+1)

梯度法在极小点附近的收敛速度越来越慢。人们试图找到这样一种方向：它直接指向最优点，从任意选定的初始点出发，沿此方向迭代一次就达到极小点。对于一些函数，牛顿法就可以达到此目的，它利用二次函数来代替原目标函数，以二次函数的极小作为原目标函数的极小点的近似，并逐步逼近该点。

为了克服梯度法的锯齿现象以提高其收敛速度，发展了一类共轭方向法

DFP法不仅综合了梯度法和牛顿法的优点，而且 具有对二次函数有限步收敛的性质，是无约束优化方法中最 有效的方法之一。

拉格朗日乘子法 约束优化问题的标准形式为 min f ( x, x Rn s.t g (x ) 0,i 1,2, m i h (x ) 0, j 1,2,l j 其中 f , g , h : Rn R i j 约束优化算法的基本思想是 通过引入效用函数的方法将约束优化问题转换为无约束问 题再利用优化迭代过程不断地更新效用函数以使得算法收敛 1. 罚函数法 罚函数法内点法的主思想是在可行域的边界上

人工蜂群算法是模仿蜜蜂行为提出的一种优化方法，是集群智能思想的一个具体应用，它的主要特点是不需要了解问题的特殊信息，只需要对问题进行优劣的比较，通过各人工蜂个体的局部寻优行为，最终在群体中使全局最优值突现出来，有着较快的收敛速度。为了解决多变量函数优化问题.