Matlab 协同进化遗传算法解决多阶段决策调度类组合优化问题

一种比较新的生物地理学算法（BBO）以及BBO算法和差分进化算法相结合的matlab程序，程序优化较好，比较小，运行速度快。

今天终于把这本书找到了，要学微分进化（Differential Evolution）算法的必备看书，写得非常好，Kenneth V. Price · Rainer M. Storn编著，只要学微分进化算法的必备用书

自适应调节的差分进化算法matlab程序（原创）——RD-DE 算法在优化初期需要搜索能力更强的阶段采用[0,1]之间随机选择变异因子 F 以及交叉概率因子 CR 的策略；而在后期需要开发能力 更强的阶段则采用令 F 和 CR 单调递减的策略，以加快算法收敛。

C#语言实现差分进化算法，其中包括DE\rand\1,DE\best\1,DE\rand\2,DE\best\2四种基本差分形式，感兴趣的可以下载交流，附带中文注释，代码不够规范请见谅。

该代码为matlab编码，利用思维进化算法优化BP神经网络的权值和阈值。

多目标优化免费NSGA-II代码+详细解释（详见文章）该函数基于求解多目标最优解的进化算法，即目标的帕累托前沿。最初只输入种群大小和回采标准，或算法自动停止的总代数。您将被要求输入目标函数的数量、决策变量的数量以及决策变量的范围空间。您还必须通过编辑evaluate_objective()函数来定义自己的目标函数。

粒子群优化算法（ Particle Swarm Optimization ， PSO ） [7] 是由 R.C.Eberhart 博士和心 理学家 J.Kennedy 博士在 1995 年提出的一种新兴的群体智能的启发式全局搜索算法。粒 子群算法是运用微机模拟自然界中飞禽捕食的行为，在模拟的过程中群体中的每一动物 称为微粒。粒子群算法的主要是通过研究群体中微粒之间的怎样信息共享才能更快的找 到食物，在具体的过程中群体的每个微粒都有自己的飞行速度和空间位置，当群体中微 粒发现食物时向群体传递信息，如果有多个微粒都发现了自己的食物则通过群体的优化 来确定那个微粒的食物是最佳的选择，以确定整个群体的下一步动作。在优化算法的过 程中每个微粒自身的最佳空间位置和飞行速度称为个体最优位置（ pbest ），在整个群体 中有一个微粒的位置是全局中的最佳位置称为全局最优（ gbest ），粒子群应用于解决多 个目标时通常选取全局最优作为群体的最佳方案。

多目标只能进化算法，遗传改进算法，多目标进化算法matlab代码

多目标算法性能评价，基本上包括了所有的评价方法，有MATLAB和C++两个版本。