内含附有详细代码注释的进化算法（遗传算法、差分进化算法、免疫算法）、群智能算法（蚁群算法、粒子群算法）、禁忌搜索算法、模拟退火算法、神经网络算法的MATLAB实现。
以及用以上算法进行TSP问题、背包问题、函数极值问题的求解。

改进强度的Pareto进化算法：SPEA2;Matlab编写。
带23个测试算例。

Inthispaper,WeightedDifferentialEvolutionAlgorithm(WDE)hasbeenproposedforsolvingrealvaluednumericaloptimizationproblems.

此分享不仅提供了差分进化算法代码，还包含10维测试函数实例

本书介绍近年来流行的智能优化算法，包括：遗传算法、禁忌搜索算法、模拟退火算法、蚁群算法等；
还有近年来的研究热点粒子群算法；
扑食搜索算法和动态环境下的进化算法等。
研究这些算法的产生和发展、算法的基本思想和理论以及相关算法和变形，给出一定算例、实际应用案例以及这些算法如何解决实际中的优化问题。

公交车调度问题是一个NP问题，本代码通过遗传算法智能规划公交车的调度

matlab罕用代码大全，帮手你科研，论文实证阐发，数模竞赛第44章条理阐发法第45章灰色联系瓜葛度第46章熵权法第47章主成份阐发第48章主成份回归第49章偏最小二乘第50章垂垂回归阐发第51章模拟退火第52章RBF,GRNN,PNN-神经收集第53章相助神经收集与SOM神经收集第54章蚁群算法tsp求解第55章灰色料想GM1-1第56章模糊综合评估第57章交织验证神经收集第58章多项式拟合plotfit第59章非线性拟合lsqcurefit第60章kmeans聚类第61章FCM聚类第62章arima功夫序列第63章topsis第1章BP神经收集的数据分类——语音特色信号分类第2章BP神经收集的非线性体系建模——非线性函数拟合第3章遗传算法优化BP神经收集——非线性函数拟合第4章神经收集遗传算法函数极值寻优——非线性函数极值寻优第5章基于BP_Adaboost的强分类器方案——公司财政预警建模第6章PID神经元收集解耦抑制算法——多变量体系抑制第7章RBF收集的回归--非线性函数回归的实现第8章GRNN收集的料想----基于狭义回归神经收集的货运量料想第9章离散Hopfield神经收集的遥想影像——数字识别第10章离散Hopfield神经收集的分类——高校科研才气评估第11章络续Hopfield神经收集的优化——遨游商下场优化盘算第12章初始SVM分类与回归第13章LIBSVM参数实例详解第14章基于SVM的数据分类料想——意大利葡萄酒品种识别第15章SVM的参数优化——若何更好的提升分类器的成果第16章基于SVM的回归料想阐发——上证指数收盘指数料想.第17章基于SVM的信息粒化时序回归料想——上证指数收盘指数变更趋向以及变更空间料想第18章基于SVM的图像联系-真玄色图像联系第19章基于SVM的手写字体识别第20章LIBSVM-FarutoUltimate货物箱及GUI版本介绍与使用第21章自结构相助收集在方式分类中的使用—患者癌症发病料想第22章SOM神经收集的数据分类--柴油机缺陷诊断第23章Elman神经收集的数据料想----电力负荷料想模子钻研第24章概率神经收集的分类料想--基于PNN的变压器缺陷诊断第25章基于MIV的神经收集变量遴选----基于BP神经收集的变量遴选第26章LVQ神经收集的分类——乳腺肿瘤诊断第27章LVQ神经收集的料想——人脸朝向识别第28章遴选树分类器的使用钻研——乳腺癌诊断第29章极限学习机在回归拟合及分类下场中的使用钻研——比力试验第30章基于随机森林脑子的组合分类器方案——乳腺癌诊断第31章脑子进化算法优化BP神经收集——非线性函数拟合第32章小波神经收集的功夫序列料想——短时交通流量料想第33章模糊神经收集的料想算法——嘉陵江水质评估第34章狭义神经收集的聚类算法——收集入侵聚类第35章粒子群优化算法的寻优算法——非线性函数极值寻优第36章遗传算法优化盘算——建模自变量降维第37章基于灰色神经收集的料想算法钻研——定单需要料想第38章基于Kohonen收集的聚类算法——收集入侵聚类第39章神经收集GUI的实现——基于GUI的神经收集拟合、方式识别、聚类第40章动态神经收集功夫序列料想钻研——基于MATLAB的NARX实现第41章定制神经收集的实现——神经收集的本能化建模与仿真第42章并背运算与神经收集——基于CPU/GPU的并行神经收集运算第43章神经收集高效编程本领——基于MATLABR2012b新版本特色的谈判

10本遗传算法方面典型书籍。
目录如下：遗传算法10本之1：非数值并行算法：遗传算法.pdf遗传算法10本之2：盘算智能中的仿生学：实际与算法.pdf遗传算法10本之3：进化算法.pdf遗传算法10本之4：演化法度圭表标准——遗传算法以及数据编码的松散.pdf遗传算法10本之5：遗传算法的数学底子.pdf遗传算法10本之6：遗传算法及其使用.pdf遗传算法10本之7：遗传算法——实际、使用与软件实现.pdf遗传算法10本之8：遗传算法与工程方案.pdf遗传算法10本之9：遗传算法原理及使用.pdf遗传算法10本之10：用于最优化的盘算智能.pdf

针对于多目的差分进化算法求解多目的优化下场时收敛慢战争均性欠佳等不够，提出了一种基于多策略排序变异的多目的差分进化算法。
该算法行使基于排序变异算子来快捷濒临真正的Pareto最优解，同时引入多策略差分进化算子以相持种群的多样性；
经由自顺挑策略动态调解抑制参数以普及算法的鲁棒性，并且从实际证实的角度阐发了所提算法的收敛性。
仿其实验下场评释，该算法绝对于近期相关文献中的改善算法具备更好的收敛性与多样性，从而批注晰所提算法的实用性。

《智能优化算法及其MATLAB实例（第2版）》][包子阳,余继周,杨杉]书籍配套程序源代码。
智能优化算法在处理大空间、非线性、全局寻优、组合优化等复杂问题方面具有独特的优势，因而得到了国内外学者的广泛关注，并在信号处理、图像处理、生产调度、任务分配、模式识别、自动控制和机械设计等众多领域得到了成功应用。
本书介绍了8种经典智能优化算法——遗传算法、差分进化算法、免疫算法、蚁群算法、粒子群算法、模拟退火算法、禁忌搜索算法和神经网络算法的来源、原理、算法流程和关键参数说明，并给出了具体的MATLAB仿真实例。
对于要用这些算法工具来处理具体问题的理论研究和工程技术人员，通过本书可以节省大量查询资料和编写程序的时间，通过仿真实例可以更深入地理解、快速地掌握这些算法。

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。