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.

提出一种改进差分进化算法求解混合整数非线性规划问题。该算法利用同态映射方法，解决差分进化算法无法直接处理整数决策变量问题；提出改进的自适应交替变异算子，提高算法的搜索性能；提出一种自适应保留不可行解的方法处理约束条件，并对差分进化算法的选择算子进行改进，提出一种直接处理约束条件的新选择算子。六个常用的混合整数非线性规划问题的实验结果表明了该方法的有效性和适用性。

约束处理带约束问题的优化算法带约束问题的优化算法

大神在90年代，对TSP及其拓展问题的子路径消除约束的经典分析，是一篇不可多得的研究TSP路径优化的经典文献 引文格式：Desrochers, M., & Laporte, G. (1991). Improvements and extensions to the Miller-Tucker-Zemlin subtour elimination constraints. Operations Research Letters, 10(1), 27–36. doi:10.1016/0167-6377(91)90083-2

约束多目标优化问题中约束处理方法综述,遗传算法（Genetic Algorithm，GA）是模仿自然界生物进化机制发展起来的全局搜索优化方法，它在迭代过程中使用适者生存的原则，采用交叉、变异等操作使得种群朝着最优的方向进化，最终获得最优解。

针对带约束的高维多目标优化问题,设计一种基于参考点的约束支配关系(RPCDP),将可行解与不可行解作为一个整体看待,进而综合考虑它们的收敛性、多样性和可行性,并基于此提出用于解决约束高维多目标优化问题的NSGA-III算法.将所提出算法与著名的3种约束高维多目标进化算法进行对比,实验结果表明在标准测试函数集CDTLZ上,相对于其他算法,所提出算法的解集具有更好的收敛性和分布性.

压力容器设计的目标是将圆柱形容器的材料、成型和焊接的总成本降至最低

粒子群算法优化代码，编写了目标函数并且该函数包括约束条件，可以方便初学者学习进行套用。生物机理：鸟群寻找湖泊 在函数中，有很多是无法求出最优解的 在这时，我们会采用软计算方法，而PSO算法，在软计算算法中有重要的地位；