本文研究了具有交易成本的高阶矩投资组合优化模型。 该模型以峰度为目标函数，以偏度，方差，均值和交易成本为约束条件。 由于优化问题是高阶且非凸的，因此给模型的求解带来了一些困难。 因此，本文利用矩矩阵理论将优化问题转化为半定矩阵优化问题，并加以解决。 通过对中国证券市场中四种风险资产的研究，发现交易成本是投资组合模型研究的重要组成部分。 此外，敏感性分析表明，峰度和偏度与均值和方差不变呈正相关。 当均值和偏度恒定时，峰度和方差正相关。 当均值和偏度保持不变时，四阶标准中心矩和方差呈负相关。

群体智能典型算法研究综述

旅行商问题，针对多旅行商多城市问题进行求解，可用于任务分配等整数规划问题求解。

旅行商问题动态规划matlab代码 CDC-2021-DTSP In this, to address Dubins Traveling Salesman Problem (DTSP), we present MATLAB codes of Angle Bisector Algorithm (ABA), Modified Dynamic Programming Algorithm (MDPA), Alternating Algorithm (AA) and Single Vehicle Algorithm (SVA).

原作者是(南非)恩格尔伯里特(Andrice P.Engelbrecht），由谭营翻译，包含优化理论，进化计算，粒子群优化和蚂蚁算法四个部分

c++遗传算法实现，vs2010，无外部依赖库。 支持各种算法参数的getset方法，支持时间、可行解个数等退出条件的设置。经测试无误。

MATLAB 蚁群算法 求解 50个城市的TSP 旅行商问题的 详细代码

这是关于教与学优化算法的材料，特别适合初学者，可以帮助你们快速学习群体智能算法

为了应对复杂优化问题的高维、大规模、多类变量混合、强约束、多极小、多目标、动态与不确定等诸多求解难点, 协同进化已成为改善进化算法性能的有效途径. 对此,分别从种群协同、个体协同、算法协同、操作协同、参数协同、策略协同、人机协同等方面, 对协同进化算法的代表性研究进展给予了综述, 重点总结了协同进化的机制和算法设计, 并介绍了协同进化算法在若干领域的应用, 最后指出了有待于进一步研究的若干方向和内容.

通过定义反转算子, 对人工狼位置和智能行为重新进行整数编码设计, 并结合概率近邻初始化方法, 提出一种求解旅行商问题的离散狼群算法. 该算法保留了狼群算法基于职责分工的协作式搜索特性, 并较好地平衡了算法的广度开拓和深度开采能力. 采用C-TSP 问题和TSPLIB 数据库中的多组TSP 问题作为实验用算例, 并将所提出算法与其他5 种智能优化算法进行对比, 仿真结果表明, 所提出算法在求解准确率、稳定性和所需迭代次数等方面具有相对优势.