英文原版，英文好的可以看一下良好的理论分析特性，高效的实际可计算性和强大的建模能力是大家选择凸建模的原因。
注意，我这里说的是凸建模！科学研究的第一步是对实际问题抽象近似，建模成数学问题，这里有巨大的选择自由度！虽然非凸建模具有最强的表达能力，也最省事，代价却是理论上难以分析和实际中无法可靠计算！近十年来火的一塌糊涂的压缩感知，稀疏表示和低秩恢复都是由凸建模带动起来的！研究者们通过分析凸问题的性质来解释和理解真实世界的机理！要注意，很多这样的问题几十年前就已经有非凸的表达形式了，只有用凸建模才焕然一新！更进一步，通过对凸建模的深入理解，大家对具体的非凸问题，注意不是所有，开始利用特殊的结构特点做分析，得出了一些很深刻的结果，比如神经网络收敛到局部最优解，而不是平稳点，随机算法有助于逃离鞍点。
但是，非凸分析几乎都是casebycase，没有统一有效的手段，这与凸分析差别甚大。
从这个角度来说，凸建模和凸优化是研究实际问题的首选！作者：知乎用户链接：https://www.zhihu.com/question/24641575/answer/136736625来源：知乎著作权归作者所有。
商业转载请联系作者获得授权，非商业转载请注明出处。

遗传算法（GeneticAlgorithm）是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型，是一种通过模拟自然进化过程搜索最优解的方法。
遗传算法可以解决多种优化问题，如：TSP问题、生产调度问题、轨道优化问题等，在现代优化算法中占据了重要的地位，本例使用遗传算法求解最优解。

1基于遗传算法的TSP算法（王辉）2基于遗传算法和非线性规划的函数寻优算法（史峰）3基于遗传算法的BP神经网络优化算法（王辉）4设菲尔德大学的MATLAB遗传算法工具箱（王辉）5基于遗传算法的LQR控制优化算法（胡斐）6遗传算法工具箱详解及应用（胡斐）7多种群遗传算法的函数优化算法（王辉）8基于量子遗传算法的函数寻优算法（王辉）9多目标Pareto最优解搜索算法（胡斐）10基于多目标Pareto的二维背包搜索算法（史峰）11基于免疫算法的柔性车间调度算法（史峰）12基于免疫算法的运输中心规划算法（史峰）13基于粒子群算法的函数寻优算法（史峰）14基于粒子群算法的PID控制优化算法（史峰）15基于混合粒子群算法的TSP寻优算法（史峰）16基于动态粒子群算法的动态环境寻优算法（史峰）17粒子群算法工具箱（史峰）18基于鱼群算法的函数寻优算法（王辉）19基于模拟退火算法的TSP算法（王辉）20基于遗传模拟退火算法的聚类算法（王辉）21基于模拟退火算法的HEV能量管理策略参数优化（胡斐）22蚁群算法的优化计算——旅行商问题（TSP）优化（郁磊）23基于蚁群算法的二维路径规划算法（史峰）24基于蚁群算法的三维路径规划算法（史峰）25有导师学习神经网络的回归拟合——基于近红外光谱的汽油辛烷值预测（郁磊）26有导师学习神经网络的分类——鸢尾花种类识别（郁磊）27无导师学习神经网络的分类——矿井突水水源判别（郁磊）28支持向量机的分类——基于乳腺组织电阻抗特性的乳腺癌诊断（郁磊）29支持向量机的回归拟合——混凝土抗压强度预测（郁磊）30极限学习机的回归拟合及分类——对比实验研究（郁磊）

随机给定一个3×3的矩阵，其元素为8个不同的数码，起始状态为S0，目标状态为Sg，要求用两种或以上的方法设计优先队列式分支限界法，寻找从初始状态变换到目标状态的最优解，说明不同的优先选择策略变换到最终状态用了多少步，并对获得的结果做出比较分析。
最终状态均如Sg表示。

用C++实现了梯度下降求多元函数极值的算法，有可能会陷入局部最优解。

求解以最小最大函数为目标带有约束的最优解matlab程序

TSPLIB数据集、数据集的使用方法及相应的最优解，可用作智能算法测试集benchmarkforACO/GA/PCO

实现从武汉出发，进行34个省会的遍历，最后回到武汉，要求输出遍历路径和最后总里程贪心算法原理：在贪婪算法（greedymethod）中采用逐步构造最优解的方法。
在每个阶段，都作出一个看上去最优的决策（在一定的标准下）。
决策一旦作出，就不可再更改。
作出贪婪决策的依据称为贪婪准则（greedycriterion）。

高温作业专用服装在高温环境下工作时会发挥很大的作用，为了降低成本，缩短研发周期，本文针对高温作业专用服装各层厚度最优问题，做了深入研究。
利用热传导方程，通过迭代的方法建立温度分布模型。
基于此模型，考虑环境温度、热传导速率限制等约束条件，建立目标优化模型。
可以得到最优厚度，从而降低高温作业服饰设计成本。
针对问题一中温度分布问题，本文根据能量守恒定律和傅里叶定律推导出热传递方程，建立热传递模型。
分析了实际情况下四层组织材料之间的热交换边界条件及初值，建立了不同材料的温度分布模型，该模型可以求解不同时间下不同位置的温度。
利用温度分布模型，计算温度分布，生成Excel文件。
针对问题二中Ⅱ层最优厚度问题，基于问题一中的Ⅱ层的温度分布模型，推导出目标函数，考虑环境温度、Ⅱ层与Ⅲ层接触面温度范围等约束条件，建立非线性目标优化模型。
利用MATLAB编程求得Ⅱ层的最优厚度为15.6mm。
针对问题三中Ⅱ层、Ⅳ层最优厚度问题，本问题是一种具有双层递阶结构的系统优化问题，该类问题解本题的思路为先求解上层最优解，后求得下层最优解，该问题中Ⅱ层为上层、Ⅳ层为下层。
根据不同层次建立目标函数，通过迭代温度分布方程，得到皮肤层温度分布模型，利用该模型计算出皮肤温度范围，作为约束条件，建立双层模型，追求设计高温作业专用服装最低成本。
本文采用全局最优解算法，利用MATLAB编程，求得II层和IV层的最优厚度分别为10.5mm和6.4mm。

蝙蝠算法(BA)是Yang教授于2010年基于群体智能提出的启发式搜索算法,是一种搜索全局最优解的有效方法。
该资源是Yang教师的蝙蝠算法matlab实现

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。