变步长CMA算法程序，效果比较好，其他算法可以在此基础上修改-variable step-size CMA blind equalization algorithm

本文提出了一种低复杂度的变遗忘因子机制用于递归最小二乘恒模约束算法中来抑制干扰。改进的方法通过恒模代价函数的时间平均来调节遗忘因子，从而更快地跟踪干扰并抑制，该文章计算量低，收敛速度快。-This paper presents a low complexity variable forgetting factor recursive mechanism for lscm constraint method to suppress interference. Improved methods be

包括优化算法源程序及算法原理介绍。自适应协方差矩阵进化策略，一种2000年左右发展起来的新优化算法，简称CMA-ES，最近十几年得到了学术界的广泛关注，非常有应用前景。这是一种黑箱子优化算法，可以再程序末自己定义优化函数，也可以调用外部程序（如有限元等）进行计算，然后提取优化函数的解。该优化算法在各种变量维度下的表现优于蚁群算法、粒子群算法，有较好的收敛性，这归功于其严谨的数学表达。-Covariance matrix adaptation evolution strategy, about o

变步长 普通cma在 下的比较， 可见：小步长下，变步长收敛速度比普通cma较慢， -Comparison of CMA with variable step size, Visible: small step length, the convergence rate is slower than ordinary cma,