搜索资源列表
非支配排序遗传算法
- NSGA-II 相对于NSGA而言，NSGA—II具有以下优点：1)提出新的基于分级 的快速非胜出排序算法，将计算复杂度由 降到 ，其中： 表示目标函数的数目， 表示种群中个体的数目；2)为了标定分级快速非胜出排序后同级中不同元素的适值，也为使准 域中的元素能扩展到整个 域，并尽可能均匀遍布，文献[7]提出了拥挤距离的概念，采用拥挤距离比较算子代替需要计算复杂的共享参数的适值共享方法；3)引入了保优机制，扩大了采样空间，经选择后参加繁殖的个体所产生的后代同其父代个体共同竞争来产生下一代种群，因
SPEA2
- 强度PARETO算法，非常经典，也是一个学习多目标进化算法的经典作品。-MOEA
10[1].1.1.42.2856
- 一篇knowles的大作，对于学习多目标进化算法有着深层次的作用。-MOEA
nsga2
- 基于NSGA-Ⅱ算法的区域覆盖卫星星座优化将一种基于Pareto最优概念的快速非支配排序遗传算法(NSGA-Ⅱ)引入区域覆盖侦察卫星星座的多目标优化设计-Algorithm based on NSGA-Ⅱ regional coverage satellite constellation will be based on the concept of Pareto optimal fast non-dominated sorting genetic algorithm (NSGA-Ⅱ) the
MOEA-NSGA-II
- 遗传算法及其抄作使用，可以以应用于大部分的遗传算法-Genetic Algorithms
煤矿节能减排多目标优化研究
- 针对传统煤矿节能减排优化模型选取的目标函数比较单一的问题,构建了涵盖经济效益、能源消耗、污染物排放量等目标函数的煤矿节能减排多目标优化模型,并应用基于改进的蝙蝠算法寻找3个目标函数之间的优化解,实现了经济效益最大化、能源消耗最低化、污染物排放量最少化的优化结果。仿真结果表明,相比于PSO-E、NSGA-II算法,改进的蝙蝠算法能够在较短的迭代步数内获取较高的个体适应度,且能够实现较佳的多目标优化结果,符合节能规划的目标需求。(Aiming at the problem that the obje
多目标遗传算法论文
- 快速非支配排序和精英选择策略的改进多目标遗传算法NSGA-II