xufs的博客

该2017版软件集成了竞赛争冠系列进化算法和差分进化算法等。值得提起和推荐的是，其中改进竞赛争冠进化算法是近期本人的研究佳作。与现行优良的进化算法相比，极具竞争力。 它具有寻优速度快、对算法参数不敏感、适应性较广和不易陷入局部极值等特点。如对常用测试函数之一的 Rosenbrock's funcionn，算法参数只使用默认值，就可实现维数高达1000、变量定义域达-10000<=xi<=10000的寻优，其最优解精度达E-20左右（30维可达E-28左右），且从未陷入局部极值。上网发表的目的，不为积分，而是在发表论文之前为求稳妥，敬请各位优化算法行家里手给予验证和评价，发现和指出问题，以免本人的孤陋寡闻造成误判。 谢谢！注：会在发表论文中公布算法原理和核心代码。

是一款数学函数优化平台软件. 目前已实现的是数学函数优化和数学方程待定参数估计(拟合)等. 目前,可用的进化算法有: 1. 优化算法种类: a.竞赛争冠算法(分单峰值函数优化和多峰值函数优化); b.竞赛争冠算法+邻域DE (推荐); c.混沌竞赛争冠算法; d.改进郭涛算法; f.差分进化算法 (a)基本差分算法(有八种差分向量模式); (b)动态差分算法(有八种差分向量模式); (c)自适应差分算法(有八种差分向量模式); (d)改进差分算法; *仿单纯形差分算法; *DE+邻域繁殖算法; 2. 约束处理方法: *罚函数法; *不带罚因子的罚函数法 *比较规则法. 3. 算法应用: *单峰值函数优化; *多峰值函数优化; *数学方程待定参数估计(实验数据拟合)等.

该程序是在自创的无约束优化的竞赛争冠算法(旧称竞技取冠算法)函数优化程序基础上,开发出来的有约束优化程序.程序采用罚函数法实现有约束优化的,但罚因子(惩罚系数)的处理方法有别于其它罚函数法.该程序证明这种惩罚系数处理方法是有效的.该法调整惩罚系数简单,粗放,一般应用默认值即可.该程序普适性较好,进化参数调整简单,不敏感,全局最优解的搜索能力较强,数据重现性(鲁棒性)较好,获得结果精度较高,不足是有时评价函数调用次数稍多些. <进化记录>.txt记录进化全程.其中有惩罚项值和约束值数据记录,有助于指导有约束优化的进行.可看出所得解是可行解或是不可行解?那些约束是激活的(stexp>=a变stexp-a>=0 或是 stexp<=b变stexp-b<=0观察)?

这是从网上下载的差分进化算法的MatLab源代码,可供研究者和编程者参考

这是进化算法－竞技取冠算法改进后的新版，并改名为 新型进化算法－竞赛争冠算法函数优化程序。新版功能更强，性能更好，适用范围更广。

这是很好的差分进化算法源代码，其中除含标准型式的差分精华算法，还含多种变型的差分进化算法。值得差分进化算法编程者使用和查考！（对不起，前我上传的EA.rar 传错了，它是Csdn上下载的。这个才是要上传的）

这是很好的差分进化算法源代码，其中包含多种类型的差分进化算法。可供差分进化算法编程者使用或参考。

竞技取冠算法属进化算法范畴，但其优化原理不同于遗传算法等一般进化算法。其中不用遗传算法常用的的复制算子，交叉算子，不用混合技术，也不用现在很多程序用到的正交交叉算子等，而主要用邻域繁殖算子，小生境技术，多智能体技术等。该程序既能实现低维函数的优化，也能用于高维函数的优化；既能用于单峰值函数的优化，也能用多峰值函数的优化；多数遇到的测试函数的优化很顺利！很多低维函数的优化1～2次迭代就搞定。另外，程序还实现了进化进程的二维图形演示，可了解进化程度。