QianMo的博客

原创 The Cheetah Optimizer: A Nature-Inspired Metaheuristic Algorithm ..代码阅读

【代码】The Cheetah Optimizer: A Nature-Inspired Metaheuristic Algorithm ..代码阅读。

原创 焦李成-进化学习与优化的思考与挑战

原创 NICE Seminar(2023-05-21)|算法进化（南方科技大学唐珂教授）

使用算力裸进化，数据驱动。算法进化 ，泛化性能，

原创 NICE Seminar(2022-7-17)进化约束优化(中南大学王勇教授)

​​​​​​​ACO偏向于离散 DE和PSO偏向于连续变量确定性替换和随机替换存在缺陷，可行域可能有多个。Pfea为可行解所占比例。

原创 NICE Seminar(2024-03-31)|元黑箱优化：从自动算法配置到自动算法生成（华南理工大学龚月姣教授）

自动设计算法，可以理解为自动训练出一种采样策略。需要大量训练数据，属于有监督学习。超启发式算法？

原创 NICE Seminar(2023-07-16)|演化算法的理论研究到底有什么用？(南京大学钱超教授)

钱老师的工作在理论上证明了解的质量有保障！！！！！ 演化算法的理论分析

原创 NICE Seminar(2020-11-15)：基于非传统偏好信息的多目标进化算法：Knee-driven MOEA（华东理工大学喻果博士）

先验概率是我们在观察到数据之前对某一不确定性的判断，而后验概率是我们在观察到数据之后对这一不确定性的更新判断。在多目标优化中，（有时也称为Pareto knee或Pareto前端弯曲区域）指的是换句话说，

原创 NICE Seminar(2022-1-23)基于进化优化的鲁棒区间搜索（华东理工大学堵威博士）

论文题目：Searching for Robustness Intervals in Evolutionary Robust Optimization。关于非支配解附近较高质量解搜集的工作。

原创 NICE Seminar(2020.10.11)：基于知识迁移的数据驱动进化优化(香港浸会大学杨翠娥博士)

这里的技术因子表示两个问题是否表示同一类问题，未发生知识的迁移。

原创 IEEE计算智能学会深圳分会线上讲座 22-01期: 金耀初教授的科研经验分享

非限定性定语从句，使用逗号和which、动名词搭配使用， 尽量避免使用被动语态。obviously- 使用clearly,apparently感觉上更好。后面的交流答疑期间讲了很多有关投稿写作的内容，收获满满。

原创 【进化优化计算基础】IEEE Fellow, 进化计算领域大佬[金耀初]教授之遗传算法和遗传编程

【进化优化计算基础】IEEE Fellow, 进化计算领域大佬[金耀初]教授之遗传算法和遗传编程_哔哩哔哩_bilibili

原创 NICE Seminar(2020-09-20)：进化算法总有一款适合你（安徽大学田野博士）

传统的数学方法和启发式的规划方法一起 应用领域的不同，接受度不同。

原创 会议主题：NICE Seminar|神经组合优化方法的大规模泛化研究（南方科技大学王振坤副研究员）

ICML 2024 Position Rethinking Post-Hoc Search-Based Neural Approaches for Solving Large-Scale Traveling Salesman Problems

原创 Matlab更换主题颜色附代码

解压后参考记录本教程。

原创 Optimization based on the smart behavior of plants with its engineering applications: Ivy代码解读

【代码】Optimization based on the smart behavior of plants with its engineering applications: Ivy代码解读。

原创 计算一个解在约束上的梯度

在约束优化问题中，计算一个解在约束上的梯度是一个重要步骤，特别是当使用基于梯度的方法进行优化时。下面将介绍如何计算一个解在约束上的梯度，并提供一个 MATLAB 代码示例。

原创 matlab中feval(）的用法

函数不会改变原始函数的输入参数。如果你需要修改参数，你需要在函数内部进行修改。函数会自动将参数转换为函数期望的类型。如果参数的类型与函数期望的不匹配，函数是一个非常有用的工具，它允许你执行一个函数，并返回该函数的输出。函数会尝试进行自动类型转换。是你要传递给该函数的参数。是你要执行的函数的名称，是函数执行后的返回值。

原创 matlab 中的methods(Access = protected) 是什么意思

在 MATLAB 中，用于定义受保护的方法，这些方法只能被类本身及其子类访问。这种机制有助于实现更好的封装和安全性，防止方法被误用。

原创 A Hybrid Framework for Evolutionary Multi-Objective Optimization AI 阅读

为了克服这些不足，通常会使用包含局部搜索模块的混合进化多目标优化算法。但是，影响混合进化多目标优化算法性能的因素有很多，比如局部搜索中使用的标量化函数类型和局部搜索的频率。在本文中，我们解决了一些这些问题，并提出了一个混合进化多目标优化框架。所提出的混合进化多目标优化框架具有模块化结构，可用于实现混合进化多目标优化算法。考虑了NSGA-II、MOEA/D和MOEA/D-DRA作为进化多目标优化算法的这个框架的一个示例实现被提出。实现了基于梯度的序列二次规划方法作为用于局部搜索的标量化函数的单目标优化方法。

原创 各种聚类方法的聚类思想介绍及其优缺点

对于计算复杂度较低的聚类算法，K-means 和 Mini-Batch K-means 是较好的选择，尤其适用于大规模数据集。尽管它们都有需要预先指定簇数量的缺点，但其简单性和高效性使其在许多实际应用中非常受欢迎。层次聚类（单链）和均值漂移适用于中小规模数据集，虽然计算复杂度相对较高，但在不需要预先指定簇数量的场景中具有优势。

原创 深度学习领域具有如Resnet等代表性的论文

深度学习领域有许多具有代表性的论文，这些论文在图像分类、目标检测、自然语言处理等领域取得了显著的进展。以下是一些重要的、具有里程碑意义的论文，它们不仅推动了深度学习技术的发展，还在各自领域内设立了新的基准。

原创 YOLO 各版本对比

YOLO各版本在保持实时检测速度的同时，不断提高了检测精度和稳定性。网络结构：从最初的简单卷积网络到复杂的CSPDarknet和EfficientNet等。训练技巧：引入了多种数据增强、正则化和优化方法，如Mosaic数据增强、Self-Adversarial Training等。损失函数：从最初的简单交叉熵和均方误差损失到Focal Loss、CIoU Loss等更复杂的损失函数。多尺度检测：逐步引入了多尺度特征图和检测头，提高了对小物体和复杂场景的检测能力。

原创 YOLO v1 中的损失函数

YOLO v1（You Only Look Once version 1）的损失函数是一个多任务损失函数，用于同时优化目标检测中的定位和分类任务。该损失函数的设计考虑了边界框的回归和类别预测两个方面。

原创 R-CNN 中的区域建议网络

区域建议网络（RPN）是Faster R-CNN架构中的核心组件，负责生成可能包含物体的区域提议。通过在特征图上滑动窗口、预测目标分数和边界框回归参数，以及应用非极大值抑制，RPN能够高效地生成高质量的候选区域，为后续的目标检测提供了基础。在R-CNN，特别是Faster R-CNN中的区域建议网络（Region Proposal Network, RPN）中，生成候选区域的目标分数计算是通过二分类（包含目标物体与否）来实现的。

原创 NSGA和MOGA 算法的异同点

NSGA和MOGA都是有效的多目标优化算法，各自有其独特的排序机制和保留多样性的策略。NSGA通过非支配排序和拥挤距离保持多样性，而MOGA通过对目标排序和适应度值分配来进行选择。选择哪种算法取决于具体的优化问题和对解集多样性的要求。

原创 African vultures optimization algorithm: A new nature-inspired metaheuristic algorithm for global

AI 理解论文。

原创 中国科学院自动化研究所2024年“人工智能”大学生暑期学校招生

[09:00-10:00]徐波：人工智能的过去、现在与未来。强化学习 行为主义 通过先验知识的引入提高学习效率。[10:00-10:20]王硕：自主智能体灵巧操作。[10:40-11:00]王坤：人工智能与分子影像。[10:20-10:40]蒲志强：群体智能决策。

原创 PlatEMO 用户手册 学习笔记

Matlab的which函数——查找文件路径which（‘aaa’）（查找文件名为aaa的文件的路径）比如输出路径为：E:\ toolbox\ matlab\ myDIYfile\ aaa.m需要注意：（1）当要查找的文件路径中，三层及以上的母文件夹名字中有大写字母时，它的输出路径中会将大写字母变成小写字母，比如用which查找ccc的路径，它会输出：E:\ toolbox\ matlab\ mydiyfile\ a\ b\ ccc.m其中文件夹myDIYfile已经变成mydiyfile。

原创 经典元启发式算法的适用范围及基本思想

元启发式算法具有广泛的适用范围，不同的算法适用于不同类型的优化问题。选择合适的元启发式算法通常需要考虑问题的具体性质、变量类型（连续或离散）、优化目标（单目标或多目标）以及问题规模等因素。通过实验和比较，可以找到最适合具体问题的优化算法。

原创 差分进化算法与遗传算法之间的区别

差分进化和遗传算法都是有效的全局优化工具，各有优缺点。遗传算法在处理离散问题和组合优化问题时表现良好，而差分进化在连续优化问题上更为高效和直接。选择哪种算法通常取决于具体问题的性质和要求。

原创 差分算法中的F 和CR参数

差分算法中的F 和CR参数区别

原创 雅可比矩阵与梯度的区别

雅可比矩阵与梯度的区别

原创 公式转换坑

mathcal{V}=\{0,1,\ldots,|\mathcal{V}|-1\} 这个玩意在Word死活打不出来 使用下面的方法也不行 mathtype也不行 故换符号之。这个方法我也试过了 也不行 不知是软件还是啥原因。这个好用 latex输入后转mathtype等。

原创 蚁群算法.

原创 模拟退火算法

原创 人工鱼群算法

原创 免疫优化算法

与遗传算法大体框架类似，遗传变异等细节上有差别。有点东西，遗传进化机制好像更完善了。

原创 多层编码遗传算法

跟普通的遗传算法对比来讲也就基因的编码发生了变化？

原创 基于粒子群算法的相关算法

粒子群优化算法介绍 与多种群遗传算法有相似之处。粒子速度类似于梯度下降的方向。

原创 基于遗传算法的多目标优化算法

具体细节看书。。。