搜索资源列表
gray_pso
- 一种带有灰色关联方法的粒子群算法，主要是用于多目标优化或多目标决策
optipid
- 现有的PID参数优化方法往往难以同时兼顾系统对快速性、稳定性与鲁棒性的要求，本文针对这一缺陷，提出了一种多目标PID优化设计方法——在满足系统的鲁棒性的前提下，以超调量、上升时间和调整时间最小作为多目标优化的子目标，并将NSGA-Ⅱ与PGA相结合对其求解。该算法求得的Pareto最优解分布均匀，收敛性和鲁棒性好，决策者可根据实际系统的要求在Pareto解集中选择最终的满意解，这为快速性、稳定性与鲁棒性的权衡分析提供了有效的工具。仿真结果表明本文设计方法的有效性和优越性。
性能优化的跟踪门算法
- 性能优化的跟踪门算法 一个基于数据关联性能评价的优化跟踪门算法，并通过它来减少跟踪门内来自非本目标的回 波，最终达到提高多目标多传感器跟踪系统性能的目的)与最优跟踪门相比，经理论分析和仿真数据表明，本算法有效 改善了系统的性能，尤其在强干扰、高虚警的情况下更为明显)
5464132465465465
- 详细论述了矩阵变换器输入滤波器的多目标优化设计思想
lianxuyiqunsuan
- 该程序是有关蚁群算法多学科优化的程序，能够解决多目标优化问题
NGPSII
- 基于GPS的多目标优化及动态多目标优化源代码 里面 包含MOP, DMOP的程序
MOGLS.ZIP
- 对于多目标优化问题具有自学习，自寻优的功能。
GAtoolbox
- 遗传算法程序最新版，可以提供不同的算子并且有多目标优化功能
paes
- 多目标优化算法PAES的c语言源代码,q希望对你有用.
MatlabVB
- MATLAB具有强大的科学计算功能, 含有大量多目标优化分析函数。依据技术将函数在 环境下进行调用, 进行多目标优化集成系统开发, 实现数据的自动输入和输出功能, 编制了MATLAB与VB的数据接口代码, 提出程序设计时应注意的问题。
multiobjectiveoptimization_ga_2
- 在c语言中实现的多目标优化，同时能够上使用者学习研究带来很大的方便
multi-ga
- 自己编的遗传算法同BP神经网络结合的代码！并且在神经网络模型上进行多目标寻优，结果有doc文档详细说明！实现BP-GA多目标优化应用实例！
duomubiao
- 出自一本书中的解决多目标优化问题的MATLAB代码
1683
- 由于演化算法求解多目标优化问题所得结果是一个优化解集———Pareto最优集,而现有的演化算法收 敛性分析只适合针对单目标优化问题的单个最优解。利用有限马尔科夫链给出了演化算法求解多目标优化问 题的收敛性分析框架,并给出了一个分析实例
遗传算法简单程序
- 遗传算法的简单程序，可用于离散变量优化，多目标优化等许多领域-the simple procedure can be used for optimization of discrete variables, such as multi-objective optimization in many areas
jmetal.3.1.tar
- 外国人写的基于java的多目标优化源程序jMetal 3.1最新版，包括NSGA-II\SPEA2\MOPSO等。-jMetal 3.1 for multiobjective optimization
IM-MOPSO
- 改进的多目标粒子群算法，成功解决了多目标优化的经典问题，比如ZDT,KUR,SCH经典优化问题等，只需要对f1,f2函数修改后就可以应用。-Improved many target particle swarm algorithm, success in solving the multi-objective optimization of the classic problems, such as ZDT, KUR, SCH classic optimization problem, only
spea2_matlab_code
- spea2多目标进化算法对两个目标的多目标优化问题的测试-spea2 multi-objective evolutionary algorithm on the two goals of testing multi-objective optimization problem
nsga2code
- 多目标优化算法快速非支配排序(NSGA2)的具体程序-the code of multiobjective optimization method NSGA2
nest
- 矩形件排样优化问题是一个多目标优化问题，另一方面要考虑到生产时的下料效率-Rectangular pieces of nesting optimization problem is a multi-objective optimization problem, on the other hand, taking into account the production efficiency of the next expected