EvoFuzzy 这是用于调整模糊推理系统的的非常简单的Python实现。 要求 已知依赖项： Python（3.5.5） 脾气暴躁（1.14.2） Matplotlib（2.2.2） 要安装依赖项，请cd到存储库的目录并运行pip install -r requirements.txt 代码结构 anfis.py ：包含python ANFIS实现。 diffevo.py ：包含差异进化算法的python实现（基于）。 fobj.py ：包含几个目标函数。 mackey.py ：包含一个示例，该示例使用差异演化来调整ANFIS以预测Mackey Glass系列。 本示例在序列的1500个点上训练系统，并绘制实际序列与预测序列的关系图。 要运行示例，请cd到存储库的目录并运行python mackey.py 去做： 实现除高斯人以外的成员资格功能。 实施其他进化算法来

粒子群的matlab代码 演化计算 开始实现演化计算的一些基本算法 GA 遗传算法 摘自CSDN AGA 自适应遗传算法 摘自CSDN DE 差分进化算法 PSO 粒子群优化算法

python的遗传算法 该库希望为遗传算法构建一个包装器，以在优化情况下发挥作用。 它希望在拥有所有预期的标准功能的同时，使编写无限可定制的遗传算法变得轻松快捷。 路线图 添加突变效价和频率，将群体流提取到用户定义的序列。 添加多人口模型 添加通用的交叉和变异通用方法 例子 这是一个最大化列表中值的基本示例，从运行100代的10个成员开始。 然后它将登录到屏幕，并以短格式创建包含各个世代信息的csv文件。 import genetic_algorithms as ga import random class MyMember ( ga . MemberBase ): def _construct_from_params ( self , construction_parameters = None ): # Starting point is a bunch

工程优化中的元启发式和进化算法，元启发式算法是独立于问题的算法，一般起源于自然观测，常见有遗传算法，粒子群优化等，本书对于目前性能最好的一系列算法基本进行介绍。

Geatpy2 适用于Python的高性能遗传进化算法工具箱。 介绍 网站（包括文档） ： : 演示： : Pypi页面： : //pypi.org/project/geatpy/ 与我们联系： : 错误报告： : 注意： : 常见问题解答： ： Geatpy的功能： 快速解决单目标，多目标，多目标和组合优化问题的能力。 大量具有进化算法（选择，重组，变异，迁移...）高性能的算子。 支持人口染色体的众多编码。 许多进化算法模板，包括用于单/多目标进化的GA，DE，ES。 多种人口进化。 支持多体进化。 评价的并行化和分配。 包含最常见基准测试功能的测试平台。 支持对演化迭代的跟踪分析。 算法的许多评估指标。 Geatpy 2.6.0的改进 为MOEA / D-DE添加推和拉搜索策略。 添加新的核心：“ ri2bs”和“ mergecv

这是关于进化算法和复杂网络的电子书，高清，最新版本，经典著作，英文版

PYthon中最先进的MEta启发式算法的集合（渐进式） “知识就是力量，分享是生活进步的前提。对某人来说，这似乎是一种负担，但这是实现永生的唯一途径。” --- 快速通知 嘿，在收到有关如何使用此库解决多个（许多）目标优化问题的许多问题之后？ 不好意思告诉您，该库仅用于解决单（单）目标优化问题。 由于处理多个目标函数与单个目标函数完全不同（更难）。 （查找Pareto前沿（参考前沿-真正的Pareto前沿）是NP难题。 因此，我目前正在制作一个新的库“ momapy”-（PYthon中最新的多目标/多目标元启发式算法的集合），用于解决多目标/多目标优化。 “ MOMAPY”将在这里托管： 介绍 MEALPY是适用于大多数最先进的种群元启发式算法的python模块，并已获得MIT许可。 该框架的目标是： 与所有人免费共享元启发式领域的知识 帮助所有领域的其他研究人员尽快访问优化

一本讲述演化算法在多目标问题上的应用的好书

进化多目标优化研究领域的一本最新专著，2007年出版。

进化多目标优化平台 由安徽大学BIMK（生物启发情报与挖掘知识研究所）和萨里大学NICE（自然启发计算与工程小组）共同开发 150多种开源进化算法 300多个开源基准测试问题 强大的GUI可并行执行实验 一键式生成Excel或LaTeX表格式的结果 最先进的算法将不断被包括在内 非常感谢您使用PlatEMO。 PlatEMO的版权属于BIMK集团。 该工具主要用于研究和教育目的。 这些代码是根据我们对论文中发布的算法的理解而实现的。 您不应以网站上的材料或信息为依据来做出任何业务，法律或任何其他决定。 我们对您在工具中使用任何算法所造成的任何后果不承担任何责任。 使用该平台的所有出版物都应承认使用“ PlatEMO”并参考以下文献： 版权 PlatEMO的版权属于BIMK组。 您可以自由地用于研究目的。 使用此平台或平台中任何代码的所有出版物都应承认使用“ PlatEMO”，并引用“田野