这个提交可以用来评估的性能优化技术与连续变量的问题。这个优化问题就出现了利润最大化的生产计划。然而这些文件可以作为黑盒的优化问题。
有八个在这个套件(case1最小化的优化问题。p,例2。p, case3。p, case4。p, case5。p, case6。p, case7。p和cas8.p)。所有的病例(例1例8)有问题108连续变量的维度。

他们每个人有以下格式

[F] = case1 (X);
输入:人口(或解决方案,用X)及其
输出:目标函数(F)的人口成员值。

文件ProblemDetails。p可用于确定较低和上界函数处理的案件。

格式(磅,乌兰巴托,fobj) = ProblemDetails (n);

输入:n是一个从1到8的整数。
输出:(i)下界(磅),
(二)上界(乌兰巴托),和
(3)函数处理(fobj)。

文件的脚本。m展示了如何使用这些文件以及一个优化算法(SanitizedTLBO)。

注意:
(我)的平方距离惩罚在处理约束域洞,广场之间的最小Xj, (Xj-lj)。这里Xj是指解决方案和lj的j维度是指最小非零生产水平。

(2)案例1 - 4有相同的问题但使用不同的数据结构;例5 - 8同一组数据作为案例1 - 4相比,但是不使用某些功能(灵活)的问题。

(3)目标函数文件能够确定的目标函数值(即多个解决方案。万博 尤文图斯如果需要,整个人口可以被发送到目标函数文件)。

参考:Chauhan, S。,年代。,p . Kotecha(2019),绩效评价的灰太狼优化器和共生生物寻找多级生产计划与自适应惩罚,施普林格,DOI 10.1007 / 978-981-10-8968-8