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. MOEA/D -AWA算法实验代码

  2. MOEA/D with Adaptive Weight Adjustment 基于分解的动态权重算法

  3. 所属分类：专业指导

    • 发布日期：2016-09-29
    • 文件大小：23552
    • 提供者：dyy_dy

  1. MOEA\D（matlab注释），帮助大家理解

  2. 代码调试完毕，可以正常运行，并且都已经注释，希望大家可以深入理解

  3. 所属分类：机器学习

    • 发布日期：2018-05-28
    • 文件大小：5120
    • 提供者：superzei

  1. MOEA/D模型MATLAB代码（针对连续型函数）

  2. Contents are :DHRS-MOEAD EI e-MOEA GrEA HypE I-DBEA MOEAD-DE MOEAD-DRA MOEAD-M2M NSGA-II NSGA-III NSLS PICEA-g SIEA SPEA2 SPEA2-SDE

  3. 所属分类：讲义

    • 发布日期：2018-12-29
    • 文件大小：105906176
    • 提供者：u013427040

  1. Algorithm-moead-py.zip

  2. Algorithm-moead-py.zip,基于分解的多目标进化算法（moea/d）的python实现,算法是为计算机程序高效、彻底地完成任务而创建的一组详细的准则。

  3. 所属分类：其它

    • 发布日期：2019-09-17
    • 文件大小：12288
    • 提供者：weixin_38744153

  1. MOEA-D.zip

  2. 多目标优化算法--MOEA/D（也挺有效的） 理解算法原理后，修改出来的简洁版（自用）

  3. 所属分类：讲义

    • 发布日期：2019-10-17
    • 文件大小：1048576
    • 提供者：weixin_41942547

  1. jMetal文档，5,0到5.6源码

  2. 多目标算法：NSGA-II，SPEA2，PAES，PESA-II，OMOPSO，MOCell，AbYSS，MOEA / D，GDE3，IBEA，SMPSO，SMPSOhv，SMS-EMOA，MOEA / D-STM，MOEA / D-DE ，MOCHC，MOMBI，MOMBI-II，NSGA-III，WASF-GA，GWASF-GA，R-NSGA-II，CDG-MOEA，ESPEA，SMSPO / RP 单目标算法：遗传算法（变体：世代，稳态），进化策略（变体：精英或mu + lambda，非精

  3. 所属分类：JavaME

    • 发布日期：2020-05-29
    • 文件大小：154140672
    • 提供者：z852064121

  1. MOEA/D: A Multiobjective Evolutionary Algorithm Based on Decomposition.pdf

  2. 本文提出了一种基于分解的多目标进化算法（MOEA / D）。它将多目标优化问题分解为多个标量优化子问题，并同时对其进行优化。每个子问题仅通过使用来自其几个相邻子问题的信息进行优化，这使得MOEA / D在每一代的计算复杂度均低于MOGLS和非主导排序遗传算法II（NSGA-II）。实验结果表明，在简单的多目标0-1背包问题和连续的多目标优化问题上，采用简单分解方法的MOEA / D的性能优于或类似于MOGLS和NSGA-II。

  3. 所属分类：深度学习

    • 发布日期：2020-11-03
    • 文件大小：1048576
    • 提供者：vectorquantity

  1. MOEA-D.zip

  2. 基于分解的多目标进化算法（Multi-objectiveEvolutionary Algorithm Based on Decomposition, MOEA/D）将多目标优化问题被转化为一系列单目标优化子问题，然后利用一定数量相邻问题的信息，采用进化算法对这些子问题同时进行优化。

  3. 所属分类：网管软件

    • 发布日期：2020-12-14
    • 文件大小：12288
    • 提供者：weixin_48398500

  1. 多视图聚类的进化多目标优化

  2. 在某些实际应用中，经常采用多种测量方法来提取数据的多个特征组，从而产生多视图数据。 考虑到不同方法引起的视图冲突，多视图聚类的主要挑战是找到一种同时利用所有视图的补充信息的合适方法。 从优化的角度来看，以前的多视图聚类研究使用加权和方法来表示冲突程度，并将其视为加权和单目标优化问题。 在这项工作中，我们将多视图聚类格式化为一个多目标优化问题，其中每个视图被视为一个完全独立的特征子集。 每个视图中的聚类目标函数是多个目标之一。 NSGA-II，SPEA2，MOEA / D，SMS-EMOA和NSG

  3. 所属分类：其它

    • 发布日期：2021-03-12
    • 文件大小：434176
    • 提供者：weixin_38686041

  1. 自适应差分进化的新型混合多目标免疫算法

  2. 在本文中，我们提出了一种新的具有自适应差分进化的混合多目标免疫算法，称为ADE-MOIA，其中将差分进化（DE）引入多目标免疫算法（MOIA）结合了它们各自的优势，从而增强了解决各种MOP的鲁棒性。 在ADE-MOIA中，为了有效地将DE与MOIA配合，我们提出了一种新颖的自适应DE算子，其中包括一种合适的父代选择策略和一种新颖的自适应参数控制方法。 在进行DE操作时，分别从当前进化和优势种群中选出两个亲本，以提供正确的进化方向。 此外，根据后代的进化进展和成功率，DE算子中的交叉率和比例因子会

  3. 所属分类：其它

    • 发布日期：2021-03-09
    • 文件大小：1048576
    • 提供者：weixin_38705723

  1. 基于分解的多目标进化算法的距离相关参数自适应

  2. 事实证明，基于分解的多目标进化算法（MOEA / D）在解决复杂的多目标优化问题方面具有竞争力。 但是，MOEA / D的性能对其参数设置非常敏感。微分进化（DE）算子是MOEA / D中使用最广泛的算子，同时生成新的解和DE的参数（比例因子F和交叉率） CR）会显着影响MOEA / D的性能。本文提出了一种基于距离的MOEA / D参数自适应机制（MOEA / D-DPA），以适应DE参数。 在MOEA / D-DPA中考虑了DE亲本的相似性信息，这有望有利于勘探与开发之间的平衡。 在提出的算

  3. 所属分类：其它

    • 发布日期：2021-03-08
    • 文件大小：1048576
    • 提供者：weixin_38614112

  1. EARS:EARS是一个基于Java的免费开放源代码框架，用于对单目标和多目标进化算法进行排名，开发和试验-源码

  2. EARS-进化算法评级系统 EARS是一个基于Java的免费开放源代码框架，用于对单目标和多目标进化算法进行排名，开发和试验。 该框架可用于任何优化算法，而不仅限于进化算法。 EARS提供了一种简单可靠的方法来对优化算法进行评分和排名。 在该框架中，已经提供了大量实现的优化算法和测试问题。 包含的功能 多目标进化算法（NSGA-II，NSGA-III，GDE3，PAES，PESA2，SPEA2，IBEA，OMOPSO，MOEA / D）。 单目标进化算法（ABC，CRO，DE，FWA，GOA，

  3. 所属分类：其它

    • 发布日期：2021-03-07
    • 文件大小：37748736
    • 提供者：weixin_42139460

  1. 基于分解的认知车载网络多目标频谱分配算法

  2. 为了解决认知车辆网络的吞吐量和公平性低的问题，我们建立了一个多目标频谱分配模型，以最大化认知车辆网络的平均吞吐量和公平性。 通过将杜鹃搜索算法（CS）与基于分解的多目标优化（MOEA / D）混合，将多目标问题分解为一系列权重不同的标量子问题。 通过与标准测试函数ZDT1，ZDT2和ZDT3上的交叉和变异生成新解的MOEA / D算法进行比较，验证了该算法的有效性，收敛曲线表明所提算法具有更快的收敛速度和更稳定的收敛性。表现。 我们还模拟了最大化认知车辆网络的平均吞吐量和公平性的频谱分配问题模型

  3. 所属分类：其它

    • 发布日期：2021-03-06
    • 文件大小：731136
    • 提供者：weixin_38620267

  1. MultiObjectiveProjects:一个包含各种多目标问题的实现的存储库-源码

  2. 多目标项目 概括 一个包含各种多目标问题的实现的存储库，其主要目的是研究多种约束处理技术（CHT）对约束问题的影响。 这里的主要算法是MOEA / D，它与R包MOEA / Dr一起使用。 问题 马自达汽车问题 基于现实世界的汽车结构设计优化的基准问题。 它的主要思想是通过最小化总重量和最大化通用厚度零件的数量来优化3辆汽车的结构。 主要特征： 离散问题。 2个目标。 222设计变量。 54个约束函数 基准网站： 月球着陆问题 月球着陆器着陆点选择的基准问题。 这里的目标是找到更适合

  3. 所属分类：其它

    • 发布日期：2021-03-05
    • 文件大小：141557760
    • 提供者：weixin_42132598

  1. 基于分解的多目标进化算法的带轮自适应算子选择

  2. 自适应算子选择（AOS）用于基于不同算子在优化过程中的最新性能，以在线方式确定不同算子的应用率。 本文提出了一种基于强盗的AOS方法，基于适应度等级的多臂强盗（FRRMAB）。 为了跟踪搜索过程的动态，它使用滑动窗口来记录操作员最近的适应度提高率，同时使用衰减机制来增加最佳操作员的选择概率。 由于在大多数基于帕累托支配的多目标进化算法中，定量测量适应性改进非常困难，因此在多目标进化计算中对AOS所做的工作还很少。 基于分解的多目标进化算法（MOEA / D）将多目标优化问题分解为多个标量优化子问

  3. 所属分类：其它

    • 发布日期：2021-03-03
    • 文件大小：1048576
    • 提供者：weixin_38628429

  1. 改进的多目标细菌菌落趋化算法及收敛性分析

  2. 本文提出了一种基于细菌菌落趋化性（BCC）算法的新算法来解决多目标优化问题。 本文的主要目的是提高BCC的性能。 因此，主要工作是增加三个改进，即改进的自适应网格，基于网格的定向变异和自适应外部档案，以提高在多目标优化问题上的收敛性能和解的分布。 本文还介绍了基于通用Pareto的MOBCC的第一个简单的收敛分析。 该算法通过12个基准测试问题进行了验证，并通过四种性能指标与MOBCC算法，NSGA-II算法和MOEA / D算法进行了比较。 仿真结果证实了该算法的有效性。

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：2097152
    • 提供者：weixin_38622427

  1. Platypus：一个用于多目标优化的免费开源Python库-源码

  2. 鸭嘴兽 什么是鸭嘴兽？ Platypus是Python中的演化计算框架，重点是多目标演化算法（MOEA）。 它通过提供用于多目标优化的优化算法和分析工具，与现有的优化库（包括PyGMO，Inspyred，DEAP和Scipy）不同。 它目前支持NSGA-II，NSGA-III，MOEA / D，IBEA，Epsilon-MOEA，SPEA2，GDE3，OMOPSO，SMPSO和Epsilon-NSGA-II。 有关更多信息，请参见我们的或我们的。 例 例如，在鸭嘴兽中使用单个实值决策变量优化一

  3. 所属分类：其它

    • 发布日期：2021-01-29
    • 文件大小：412672
    • 提供者：weixin_42165712

  1. 含电动汽车的电力系统动态环境经济调度

  2. 为应对电动汽车规模化应用给电力调度带来的挑战，构建含电动汽车的动态环境经济调度模型。该模型将各调度时段电动汽车的“车-网”互动（V2G）功率以及常规机组的出力作为决策变量，以总燃料费用和污染排放量作为优化目标，在满足系统能量及用户出行需求的前提下，动态管理电动汽车的充放电行为。设计一种采用改进MOEA／D的优化调度求解方法，并提出基于罚函数的决策变量两步制动态约束处理策略。测试系统的仿真结果验证了所提调度模型及方法的合理性及有效性。

  3. 所属分类：其它

    • 发布日期：2021-01-13
    • 文件大小：1048576
    • 提供者：weixin_38645434

  1. 具有发布时间不确定性的多目标柔性作业车间调度的改进MOEA / D

  2. 为了捕获柔性作业车间调度的多目标和不确定性，构建了具有发布时间不确定性的多目标柔性作业车间调度问题的数学模型（MOFJSSP-RTU），其中，制造时间跨度，拖延性，在各种约束下同时考虑了稳定性和鲁棒性。 为了适当地解决MOFJSSP-RTU问题，提出了一种改进的基于分解的多目标进化算法（IMOEA / D），用于鲁棒调度。 我们算法的新颖性在于它采用了一种新的子问题更新策略，该策略利用了全局信息，允许存档中记录的精英分子参与子代，并结合了基于修复的交叉算子和自适应差分进化（DE基于）的变异算子，

  3. 所属分类：其它

    • 发布日期：2021-03-29
    • 文件大小：257024
    • 提供者：weixin_38689824