注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 多目标遗传算法（epsMOEA）

  2. 多目标遗传算法An epsilon-MOEA, developed by Kalyanmoy Deb.

  3. 所属分类：C++

    • 发布日期：2012-05-07
    • 文件大小：15360
    • 提供者：xy_series

  1. 基于分解的多目标优化算法 MOEA/D、matlab编写

  2. 每行代码都有注释，以及其中某些方法选择的原因，非常容易看懂！代码以经典测试问题为主，完全可以运行，本人还会写博客来帮助大家更好的理解代码思想

  3. 所属分类：机器学习

    • 发布日期：2020-04-08
    • 文件大小：4096
    • 提供者：qq_42517365

  1. 混合变异克隆选择多目标优化算法

  2. 研究多目标优化问题,针对提高算法的快速性,提出一种混合变异克隆选择多目标优化算法。进化在三个抗体群中进行,不同的抗体群采用不同的变异算子,并通过外部记忆抗体群的更新,来保留进化的最优抗体,避免算法进化后期出现退化现象。算法采用的三种变异算子:高频大尺度高斯变异算子带有振荡性质,能够对Pareto最优解区域进行勘探,单基因小尺度衰减的高斯变异算子能够使优化结果逼近Pareto最优解,均匀变异算子使算法具有局部逃逸能力,能够保证解的多样性。将算法和经典的NSGA-II、ε-MOEA算

  3. 所属分类：其它

    • 发布日期：2021-02-20
    • 文件大小：423936
    • 提供者：weixin_38694674

  1. 一种求解多目标优化问题的进化算法混合框架

  2. 为了提高多目标优化算法的求解性能,提出一种启发式的基于种群的全局搜索与局部搜索相结合的多目标进化算法混合框架.该框架采用模块化、系统化的设计思想,不同模块可以采用不同策略构成不同的算法.采用经典的改进非支配排序遗传算法(NSGA-II)和基于分解的多目标进化算法(MOEA/D)作为进化算法的模块算法来验证所提混合框架的有效性.数值实验表明,所提混合框架具有良好性能,可以兼顾算法求解的多样性和收敛性,有效提升现有多目标进化算法的求解性能.

  3. 所属分类：其它

    • 发布日期：2021-01-13
    • 文件大小：329728
    • 提供者：weixin_38577551

  1. 基于分解和差分进化的多目标粒子群优化算法

  2. 为了提高多目标优化算法解集的分布性和收敛性,提出一种基于分解和差分进化的多目标粒子群优化算法(dMOPSO-DE).该算法通过提出方向角产生一组均匀的方向向量,确保粒子分布的均匀性;引入隐式精英保持策略和差分进化修正机制选择全局最优粒子,避免种群陷入局部最优Pareto前沿;采用粒子重置策略保证群体的多样性.与非支配排序(NSGA-II)算法、多目标粒子群优化(MOPSO)算法、分解多目标粒子群优化(dMOPSO)算法和分解多目标进化-差分进化(MOEA/D-DE)算法进行比较,实验结果表明,所

  3. 所属分类：其它

    • 发布日期：2021-01-13
    • 文件大小：3145728
    • 提供者：weixin_38519234

  1. 求解约束高维多目标问题的分解约束支配NSGA-II优化算法

  2. 针对多目标进化算法处理约束高维多目标优化问题时出现解的分布性和收敛性差、易陷入局部最优解问题,采用Pareto支配、分解与约束支配融合的方法,提出一种基于分解约束支配NSGA-II优化算法(DBCDP-NSGA-II).该算法在保留NSGA-II中快速非支配排序的基础上,首先采用Pareto支配对种群进行支配排序;然后根据解的性质采用分解约束支配(DBCDP)惩罚等价解,保留稀疏区域的可行解和非可行解,提高种群的分布性、多样性和收敛性;最后采用个体到权重向量的垂直距离和拥挤度距离对临界值进行再排

  3. 所属分类：其它

    • 发布日期：2021-01-12
    • 文件大小：2097152
    • 提供者：weixin_38570854