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
mopsowithcd
- 一种计算全局拥挤距离多目标优化粒子群算法源程序,这是一个C语言编制的源程序,很实用.-A calculation of the overall crowding distance of multi-objective particle swarm optimization algorithm source code, which is a C language source program, it is practical.
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，因此有利于保持优良的
DE
- 多目标DE算法，子程序有拥挤距离计算，非支配解排序，模型等，多学习多目标算法很有帮助-multi-objective DE algorithm
35738646DE
- 多目标DE算法，子程序有拥挤距离计算，非支配解排序，模型等，多学习多目标算法很有帮助-multi-objective DE algorithm差分进化算法(Multi objective DE algorithm, subroutines have crowding distance calculation, non dominated sorting, model, etc., multi learning multi-objective algorithm is very helpful,
gamultiobj
- 基于遗传算法的多目标优化算法，包括支配于非劣，序值与前端，拥挤距离，最优前端个体系数等概念(The multi-objective optimization algorithm based on genetic algorithm includes the concepts of dominating and non inferiority,rank and front , crowding distance and ParetoFraction)
54803625
- 一种计算全局拥挤距离多目标优化粒子群算法源程序,很好(A crowded global distance to calculate the multi-objective optimization of particle swarm algorithm source code, very good)
NSGA-II
- 算法实现完整代码，非支配排序，拥挤距离排序(NSGA-II complete no-dominated sort and corwding distance sort you can use your algorithm to improve your algorithm)
crowdingdistance
- 计算两个解集之间的拥挤距离的程序。。。。。。(Calculating the distance between the crowded between two solution set procedures)
SSMOPSO code
- 形成策略被用来形成稳定的生态位，小生境/子种群被优化以并行地搜索和维护帕累托最优解。此外，还提出了一种自组织机制，以提高物种制定的效率和算法的性能。为了在决策空间和目标空间保持解决方案的多样性，SS-MOPSO采用了非主导排序方案和特殊拥挤距离技术。(In the proposed method, the speciation strategy is used to form stable niches and these niches/subpopulations are optimized