在过去的几十年中，受自然启发的优化算法因其适用于有效解决具有挑战性的优化问题而引起了研究人员的极大关注。 许多智能系统需要一个优秀的约束优化方案来充当人工智能系统。 人工电场算法（AEFA）是一种智能设计的人工系统，其目的是处理功能优化。 AEFA 的工作原理是库仑静电力定律和牛顿运动定律。 本文通过引入新的速度和位置边界策略扩展了 AEFA 算法以解决约束优化问题。 这些边界导致粒子在问题域内相互交互，并且允许它们单独从问题空间中学习。 它们还通过控制粒子的位置更新来帮助在探索和开发之间取得更好的平衡。 使用 AEFA-C 解决了具有挑战性的 IEEE CEC 2017 约束基准集 28 个问题和 5 个多维非线性结构设计优化问题，测试了所提出方案的有效性和效率。 AEFA-C 的比较研究是使用九种最先进的算法进行的，包括一些 IEEE CEC 2017 竞争对手。 比较研究、统计分析和

安装 您可以通过两种方式使用此库。 首先，可能最简单的方法是使用pip和PyPi： pip install landscapes 您也可以直接从此git repo安装： pip install git+https://github.com/nathanrooy/landscapes 最后，您始终可以克隆/下载此存储库并按原样使用。 wget https://github.com/nathanrooy/landscapes/archive/master.zip unzip master.zip cd landscapes-master 可用函数来自： single_objective 功能名称 方法 方面 ackley() 2个 Ackley N.2 ackley_n2() 2个 阿吉曼 adjiman() 2个 弹药 amgm() ñ 巴特尔斯·康恩 bartel

Dimitri P. Bertsekas的国外原版《Constrained optimization and lagrange multiplier methods》 一个约束优化方面非常全面、非常好的国外教材。 约束优化和拉格朗日乘数法

关于矩阵优化的书，相当不错

一个约束优化方面非常全面、非常好的国外教材。