搜索资源列表
ZDT4
- 为了有效地应用遗传算法解决 鲁棒控制系统设计问题，将遗传算法与局部优化方法相结合，提出了基于降维扫描方法的自适应多目标遗传算法（DRSA-MOGA）。通过引入适应度函数标准化方法、基于最优Pareto解集搜索的降维扫描方法和适应度函数自适应调整方法，提高了算法的全局优化性能和局部搜索能力。仿真结果表明，DRSA-MOGA算法在不损失解的均匀度的情况下可以达到很高的逼近度
0123
- 遗传算法在曲线多边形近似中的应用 在平面数字曲线的多边形近似中, 为克服顶点的检测只依靠局部区域、缺乏全局信息的弱点, 文中把多边 形近似问题作为寻找在满足一定的近似误差条件下使顶点数最少、或者使顶点数和近似误差都尽可能少的最优化 问题来处理. 为了能够处理点数较多的曲线, 文中采用遗传算法和基于Pareto 最优解的改进遗传算法来求近似最 优解. 和一些经典算法的实验比较表明, 文中算法与只依靠曲线局部特性的一类算法相比, 在近似的保真性和效率 上有明显的改进, 同时
nsga2_c_source
- 遗传算法中的NSGA2算法实现，解决多目标遗传算法求解Pareto近似解，具有很好的运行效果
MultiobjectiveGeneticAlgorithm
- 多目标遗传算法/用法不用多说、要用的赶快下载吧-Multi-objective Genetic Algorithm/usage Needless to say, want to use to download it as soon as possible
paretofront
- pareto front multi objective optimization
cccc
- 摘要:提出了一种新型的人工免疫算法用来解决多目标函数优化问题。基于自然免疫系统固有的优良特性对算法进行了设计和分析。 最后,算法对3个较复杂的多目标问题进行了优化,优化结果能很好地覆盖问题的Pareto最优面,并且把算法与某些混合遗传算法进行 了对比实验,表明人工免疫算法在解决多目标优化问题上具有可观的研究前景。 -Abstract:In order to effectively solve multiobjective optimization problems, a novel
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
Multi-objective_optimization_algorithm
- 基于群体搜索的遗传算法求解多目标优化问题具有独特的优势,多目标优化算法已有的研究大多为 算法的设计和数值实验效果的比较,理论研究则很少,本文作者给出了一种求解多目标优化问题的新遗传算法 (RMOGA) ,并用Markov 链的理论对RMOGA 的收敛性进行了研究,其结果表明RMOGA 依概率收敛到问题的 Pareto 前沿面-Population-based genetic algorithm search for multi-objective optimization probl
Deb_NSGA-II
- 基于pareto的多目标遗传算法，它是NSGA2-Pareto-based multi-objective genetic algorithm, which is NSGA2
relixue
- 传算法是一种基于生物进化原理的启发式并行搜索和优化技术，常被用于优化计算。该文针对经典遗传算法在多目标优化计算中存在的不足，结合热力学中熵的概念，利用约束交叉、适应度共享技术来进行多目标函数的优化计算。实验结果显示这种改进型遗传算法能得到一个较好的Ｐａｒｅｔｏ优集。 -Propagation algorithm is a heuristic based on the principle of biological evolution parallel search and optimiza
test-function
- 多目标优化遗传算法有效地避免了收敛速度慢和封闭竞争等问题， Pareto前沿更加接近理想前沿，并且收敛速度都非常快-Multi-objective optimization genetic algorithm is effective to avoid the slow convergence rate and close competition and other issues, leading Pareto closer to the ideal cutting edge, and the
GA-pareto
- 遗传算法的多目标优化算例，动态显示优化过程pareto前端的分布情况。-Genetic algorithm is a multi-objective optimization example, dynamic display of pareto optimal process the distribution of the front end
PSOBP502
- Parsopoulos等采用罚函数法，利用非固定多段映射函数对约束优化问题进行转化，再利用PSO算法求解转化后问题，仿真结果显示PSO算法相对遗传算法更具有优越性，但其罚函数的设计过于复杂，不利于求解；Hu等采用可行解保留政策处理约束，即一方面更新存储中所有粒子时仅保留可行解，另一方面在初始化阶段所有粒子均从可行解空间取值，然而初始可行解空间对于许多问题是很难确定的；Ray等提出了具有多层信息共享策略的粒子群原理来处理约束，根据约束矩阵采用多层Pareto排序机制来产生优良粒子，进而用一些优良的
Multi-gapareto
- 基于遗传算法的Based on genetic algorithm Pareto-Based on genetic algorithm Pareto
NSGA-II
- matlab环境下实现的非支配排序遗传算法（NSGA-II），该算法在快速找到Pareto前沿和保持种群多样性方面都有很好的效果-matlab environment to achieve non-dominated Sorting Genetic Algorithm (NSGA-II), the algorithm quickly find the Pareto frontier and maintaining the diversity of the population has a goo
MOSQPv1.1
- 利用多目标遗传算法，求得Pareto解集，为决断提供参考依据。(The multiobjective genetic algorithm is used to obtain the Pareto solution set, which provides a reference for the decision.)
遗传算法多目标优化
- 在matlab语言中，采用遗传算法求多目标优化，文件里面有相关的pareto图(In Matlab language, the genetic algorithm is used to achieve multi-objective optimization. There are related Pareto graphs in the file)
30个智能算法模型
- 1-8遗传算法，9 多目标Pareto最优解搜索算法，10 基于多目标Pareto的二维背包搜索算法，11-12免疫算法，13-17粒子群算法，18鱼群算法，19-21模拟退火算法，22-24蚁群算法，25-27神经网络，28 支持向量机的分类，29 支持向量机的回归拟合，30 极限学习机的回归拟合及分类(1-8 genetic algorithm, 9 multi-objective Pareto optimal solution search algorithm, 10 multi-obje
多目标NSGA
- NSGA（非支配排序遗传算法）、NSGA-II（带精英策略的快速非支配排序遗传算法），都是基于遗传算法的多目标优化算法，是基于pareto最优解讨论的多目标优化。(NSGA (Non-dominated Sorting Genetic Algorithms) and NSGA-II (Quick Non-dominated Sorting Genetic Algorithms with Elite Strategy) are multi-objective optimization algori
遗传算法多目标优化
- 遗传算法解决多目标优化问题，利用遗传算法对多目标问题进行优化得到pareto最优解。(The genetic algorithm solves the multi-objective optimization problem and USES the genetic algorithm to optimize the multi-objective problem to get pareto's optimal solution.)