斯坦福大牛的作品---Convex Optimization，做优化的同志相当有帮助的书

《Machine Learning_ A Bayesian and Optimization Perspective》 作者：Sergios Thedoridis

元数值 Meta.Numerics是一个用于.NET平台的高级数值计算库。 它提供了面向对象的API，用于数据处理，统计分析，高级功能，矩阵代数，傅立叶变换，高级功能，扩展精度算术和求解器功能，例如集成，优化和求根。 Meta.Numerics是David Wright的2008-2020年版权。 它是根据Microsoft公共许可证（BSD风格的开源许可证）获得许可的。 有关更多信息，请访问 。

数值优化，个人保存。Jorge Nocedal Stephen J.Wright 同时也是机器学习必修课程之一.

为了捕获柔性作业车间调度的多目标和不确定性，构建了具有发布时间不确定性的多目标柔性作业车间调度问题的数学模型（MOFJSSP-RTU），其中，制造时间跨度，拖延性，在各种约束下同时考虑了稳定性和鲁棒性。 为了适当地解决MOFJSSP-RTU问题，提出了一种改进的基于分解的多目标进化算法（IMOEA / D），用于鲁棒调度。 我们算法的新颖性在于它采用了一种新的子问题更新策略，该策略利用了全局信息，允许存档中记录的精英分子参与子代，并结合了基于修复的交叉算子和自适应差分进化（DE基于）的变异算子，有助于更好地平衡算法的探索和开发。 在4个问题实例上的实验结果表明，我们的基于IMOEA / D的鲁棒调度方法具有比最新的多目标优化进化算法（MOEA）更好的收敛性能，并且还擅长于保持解决方案的均匀分配。 还分析了三个目标之间的不同权衡。

Convex Optimization Algorithms, understand convex optimization algorithms, this is good chances

人工智能和机器学习在满足全球对清洁、廉价和可靠能源的需求方面发挥着至关重要的作用。 最近的研究表明，与传统的化石能源相比，世界对可再生能源的投资更多，这引起了人们对其利用最大化的兴趣。 本文展示了对供需曲线的研究，人工智能如何通过智能评估不可预测的天气条件和管理集成系统（可再生能源和化石燃料的组合）来优化电力生产，从而预测能源的未来需求. 这样一来，清洁能源就可以为人们生产，降低存储成本和消费者计费成本； 它将通过使用可再生能源来提高产出。

上海财经大学 2019年暑期课程之 data driven optimization 课件，SUFE 2019 Summer School

动态优化 Dynamic Optimization

超带宽 改编自使用Hyperband调整超参数的代码。 defs/ - functions and search space definitions for various classifiers defs_regression/ - the same for regression models common_defs.py - imports and definitions shared by defs files hyperband.py - from hyperband import Hyperband load_data.py - classification defs import data from this file load_data_regression.py - regression defs import data from this file main.py - a complete example for classification main_regression.py - the same, for regression main_simple.py -