cyipopt的自述文件 （Interior Point OPTimizer，发音为eye-pea-opt）是用于大规模非线性优化的软件包。 Ipopt可从Eclipse Public License（EPL）下的计划获得。 cyipopt是围绕Ipopt的Python包装器。 它使您可以从Python编程语言的舒适之处使用Ipopt。 地位 水蟒 聚酰亚胺 阅读文档 特拉维斯CI 传送带 历史 该存储库是从派生的，现在被视为主要存储库。 分支包含SciPy样式的接口，并具有处理回调函数中的异常的功能。 安装 我们建议使用conda在Linux，Mac和Windows上安装cyipopt： conda install -c conda-forge cyipopt 文档中提供了其他安装选项。 执照 cyipopt是根据EPL许可发布的开源代码，请参阅LICENSE文件。

adamw和adam 优化器相关讲解

用于以下元启发式的 Python 库：自适应随机搜索、蚁狮优化器、算术优化算法、人工蜂群优化、人工鱼群算法、蝙蝠算法、基于生物地理学的优化、交叉熵方法、乌鸦搜索算法、布谷鸟搜索、差分进化,分散 苍蝇 优化,蜻蜓 算法,萤火虫 算法,流向 算法,花授粉算法，遗传算法，蚱蜢优化算法，重力搜索算法，灰狼优化器，哈里斯鹰优化器，改进的灰狼优化器，改进的鲸鱼优化算法，Jaya，水母搜索优化器，磷虾群算法，模因算法，飞蛾火焰优化，多元 宇宙 优化 器,粒子 群 优化,随机 搜索, Salp Swarm 算法,模拟退火,正余弦算法,鲸鱼优化算法。

基于遗传算法的线性二次调节器参数优化器对Q和R矩阵的参数进行了优化

本研究介绍了一种名为weIghted meaN oF vectOrs（INFO）的创新优化器的分析和原理，以优化不同的问题。INFO是一种修正的权重均值方法，其中加权均值思想用于实体结构，并使用三个核心过程更新向量的位置：更新规则，向量组合和局部搜索。更新规则阶段基于基于均值的定律和收敛加速，以生成新的向量。向量组合阶段创建获得的向量与更新规则的组合，以实现有希望的解决方案。INFO中改进了更新规则和矢量组合步骤，以提高勘探和开发能力。此外，本地搜索阶段有助于该算法摆脱低精度解决方案，并改善开发和收敛。INFO的性能在48个数学测试函数和5个约束工程测试用例中进行了评估。根据文献，结果表明，INFO在勘探和开发方面优于其他基本和先进的方法。在工程问题的情况下，结果表明INFO可以收敛到全局最优解的0.99%。因此，INFO算法是优化问题中实现最优设计的有前途的工具，这源于该算法在优化约束情况下的可观效率。

使用此代码请引用论文这是论文的源代码：Pradeep Jangir，Narottam Jangir：一种新的非支配排序灰狼优化器（NS-GWO）算法：解决工程设计和经济约束排放调度的开发和应用风力发电一体化的问题。 。 应用Artif。 智力72: 449-467 (2018) https://doi.org/10.1016/j.engappai.2018.04.018 。 更多信息可以在： https : //www.researchgate.net/profile/Pradeep_Jangir6

由两个随机求解器组成的多背包求解器：i) 通过交叉熵方法和 ii) 通过 Botev-Kroese 方法解决以下问题 最大 S(X)=(p^{t}X) 英石。 WX <= c 请运行演示文件： test_ce_knapsack.m test_cemcmc_knapsack.m 注意您可能需要重新编译 mex 文件。 请打开运行“mexme_mks”在您自己的平台上进行编译。

使用此代码请引用论文这是论文的源代码：S. Mirjalili, P. Jangir, and S. Saremi, Multi-objective ant lion optimizer: a multi-objective optimization algorithm for solve engineering questions.” 应用智能, (2016): 1-17, DOI: http://dx.doi.org/10.1007/s10489-016-0825-8 Ant Lion Optimizer 的多目标版本

AGWO 是对原始灰狼优化器 (GWO) 的增强，由 Mohammed H.Qais 等人提出。在这里，我们提出了一种新的基于增强灰狼优化器和布谷鸟搜索（AGWOCS）的混合元启发式算法，如附件所示。 AGWOCS算法的研究论文： A Novel Hybrid Metaheuristic based on Augmented Grey Wolf Optimizer and Cuckoo Search for Global Optimization (ISCCC 2021), India, 2021, pp.376-381, DOI: https://doi.org/10.1109/ICSCCC51823.2021.9478142 原始 AGWO 算法描述于：https ://doi.org/10.1016/j.asoc.2018.05.006

多目标非排序鲸鱼优化算法 (MOWOA) (NSWOA) MATLAB 代码