遗传算法解决5种多旅行商问题（mtsp）的matlab程序 分别为以下5中情况： 1.从不同起点出发回到起点（固定旅行商数量） 2.从不同起点出发回到起点（旅行商数量根据计算可变） 3.从同一起点出发回到起点 4.从同一起点出发不会到起点 5.从同一起点出发回到同一终点（与起点不同）

CVaR是基于风险价值（Value at Risk, VaR）发展而来的，是在一定置信水平α下，损失超过VaR值时的条件均值。VaR是指在一定的置信水平下，某一投资组合在未来某一时间段内的最大损失。 例程中介绍了CVaR相关的编程方法以及各参数的取值范围，注释详细，可直接运行。

路径规划算法是指在有障碍物的工作环境中寻找一条从起点到终点的、无碰撞地绕过所有障碍物的运动路径。路径规划算法较多，大体上可分为全局路径规划算法和局部路径规划算法两类。其中，全局路径规划方法包括位形空间法、广义锥方法、顶点图像法、栅格划归法； 局部路径规划算法主要有人工势场法等。

蚁群算法(ant colony algorithm,ACA)是由意大利学者M.Dorigo等人于20世纪90年代初提出的一种新的模拟进化算法，其真实地模拟了自然界蚂蚁群体的觅食行为。M.Dorigo等人将其用于解决旅行商问题(traveling salesman problem,TSP),并取得了较好的实验结果。 近年来，许多专家学者致力于蚁群算法的研究，并将其应用于交通、通信、化工、电力等领域，成功解决了许多组合优化问题，如调度问题(job-shop scheduling problem)、指派问题(quadratic assignment problem)、旅行商问题(traveling salesman problem)等。

微网中包含：风电、光伏、储能、微型燃气轮机，以最小化电网购电成本、光伏风机的维护成本、蓄电池充放电维护成本、燃气轮机运行成本及污染气体治理成本为目标，综合考虑：功率平衡约束、燃气轮机爬坡约束、电网交换功率约束、储能装置约束、可控微电源出力约束等约束条件建立优化调度模型。 求解算法采用改进的粒子群优化(PSO)算法，引入杂交机制提高全局寻优能力。PSO粒子群算法中，用一种粒子来表示一个个体，每个粒子可视为N维搜索空间中的一个搜索个体，粒子的当前位置即为对应优化问题的一个候选解，粒子的飞行过程即为该个体的搜索过程．粒子的飞行速度可根据粒子历史最优位置和种群历史最优位置进行动态调整．粒子仅具有两个属性：速度和位置，速度代表移动的快慢，位置代表移动的方向。每个粒子单独搜寻的最优解叫做个体极值，粒子群中最优的个体极值作为当前全局最优解。不断迭代，更新速度和位置。最终得到满足终止条件的最优解。 借鉴遗传算法中的杂交的概念，在每次迭代中，根据杂交率选取指定数量的粒子放入杂交池内，池内的粒子随机地两两杂交，产生同样数目的子代粒子，并用子代粒子代替父代粒子。

WaterTank Challenge是一个由Matlab代码编写的仿真环境。主要要求挑战者编写Matlab代码控制水箱液位至目标液位。控制量为水箱进水阀门，控制量为正数. 1. 水箱动力学模型 水箱动力学模型具体描述见 [matlab链接](https://www.mathworks.com/help/slcontrol/gs/watertank-simulink-model.html). 小车的动力学模型，如下Simulink模型所示 其中，[a,b]分别是水箱进水阀和出水阀系数，H为液位高度，u是进水阀开度。可知水箱出水速度与水箱液位高度有关。 另外仿真环境对水箱阀门设置了“饱和”机制（如下图所示），即挑战者传递给仿真器的水箱阀门控制量，将会被限制在一定范围内。 2. Observation（当前环境信息） 仿真环境每隔一段时间，将会把仿真环境的信息以Observation类的形式告知挑战者，它的成员变量包含 3. 得分（暂无） 4. 设计控制策略 挑战者需要设计并提交一个Policy类文件，主要完成action函数。action函数传入参数为obser

机组组合问题属于规划问题，即要在决策变量的可行解空间里找到一组最优解，使得目标函数尽可能取得极值。对于混合整数规划，常用的方法有分支定界法，benders分解等。CPLEX提供了快速的MIP求解方法，对于数学模型已知的问题，只需要按照程序规范在MATLAB中编写程序化模型，调用CPLEX求解器，即可进行求解。 建立含安全约束的机组最优组合（SCUC）模型如下：目标为最小化成本，包括发电带来的煤耗成本和机组启停产生的开停机成本。 约束条件包含：功率平衡约束、热备用约束、机组出力约束、机组爬坡约束、机组起停时间约束、起停费用约束、潮流安全约束。 模型简化：由上小节构建的机组组合优化模型，煤耗成本采用二次函数，当系统规模较大时（如节点数超过1000），求解起来将消耗大量时间。因此我们可以对原模型进行线性化处理。将煤耗函数分段线性化，分为m段。 校验程序的算例基于IEEE-30节点标准测试系统。系统包含30个节点，6台发电机组。要求确定系统最优机组组合，使得系统各机组总运行成本（煤耗成本+启停成本）最小化。

用matlab写的一个k-means聚类程序，简单实用

采用了标准进化规划算法及元进化规划算法求解基准函数Griewank的最小值。

计算无约束的二元函数的最值,算法思想就是通过不断找出沿着当前值的梯度方向最大化f的a值，就是梯度的矢量的a倍,找出新的x值,直到梯度的模小于给定的阀值为止