1、MOEA/D-FD是一种求解动态多目标优化问题的新算法，在动态多目标优化问题中，多目标函数和/或约束可能会随时间变化，这就需要多目标优化算法跟踪运动的Pareto最优解和/或Pareto最优前沿。当检测到环境变化时，设计一阶差分模型来预测一定数量Pareto最优解的新位置。另外，旧的pareto最优解的一部分被保留到新种群中。将预测模型融合到基于分解的多目标进化算法中，求解动态多目标优化问题。通过这种方式，可以更快地跟踪更改后的POS或POF。该算法在多个具有不同动态特性和难度的典型基准问题上进行了测试。实验结果表明，该算法在求解动态多目标优化问题时具有较好的性能。 2、文件夹中包括了该算法的论和相关Matlab代码的实现。

演化计算 潘正君 康立三 等著pdf文档

（1）.随机初始化种群（产生一组初始解） V1 =[ 4.954222, 0.169225], V2 =[-4.806207,-1.630757] V3 =[ 4.672536,-1.867275], V4 =[ 1.897794,-0.196387] V5 =[-2.127598, 0.750603], V6 =[-3.832667,-0.959655] V7 =[-3.792383, 4.064608], V8 =[ 1.182745,-4.712821] V9 =[ 3.812220,-3.441115], V10=[-4.515976, 4.539171] Vi称之为个体,10称之为群体规模,x1,x2为基因 x1 x2

智能信息处理课程，演化计算方向的一篇综述性的文章，可作为初学者的结课作业参考

Book.(2001)Multi-Objective_Optimization Using Evolutionary Algorithms使用进化算法解决多目标问题，英语原版经典，绝版图书

Shubert函数324个全局最优解问题，《演化优化及其在微分方程反问题中的应用》一文中提出了GMLE_DD算法，由于并行计算考试的需要，对论文中提出的方法进行了实现，在这里共享出来，C++实现。源代码是n = 4时的情况。算法性能简介http://blog.csdn.net/ryl219362/article/details/17100039

作者:王元卓，于建业，李静远，靳小龙著 ISBN号:978-7-302-48620-4 出版社:北京：清华大学出版社 原书扫描的pdf

本资源用matlab实现了粒子群算法，并解决了旅行商问题。其中给出了TSP问题最优解的路径图以及收敛次数等信息。