搜索资源列表
guangyipaleituo
- 可以很好地模拟广义帕累托分布，用于极值估计分布(The generalized Pareto distribution can be well simulated,and it can be used for the distribution of the extreme value estimation.)
SPEA2_ Improving the Strength Pareto Evolutionary Algorithm
- 强parato支配方法求解一组非支配的最优解，目前来说非常实用和高效
moea/d算法框架
- moea/d算法是基于分解的多目标优化，用于复杂网络的社区检测，本算法可以很好的运行吗，得出一组pareto前沿。
MOGWO
- 在多目标灰色狼优化器（mogwo），固定大小的外部文件集成到该gwo保存和检索的帕累托最优解。该档案被用来定义社会等级，并在多目标搜索空间中模拟灰狼的捕猎行为。(In the Multi-Objective Grey Wolf Optimizer (MOGWO), a fixed-sized external archive is integrated to the GWO for saving and retrieving the Pareto optimal solutions. This
multi-objective power flow optimization
- 构建了含VSC-HVDC的交直流系统多目标最优潮流模型；针对此模型连续变量和离散变量共存的特点，提出了内点法和NSGA2算法相结合的交替求解算法，可获得多个Pareto最优解，并具有较高的计算效率(Considering the coexistence of continuous and discrete variables in this model,an alternative solution method based on the interior point method and NS
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)
粒子群多目标-程序
- 一个粒子群多目标算法，带有权重自适应，可以画出相应的pareto前沿(A particle swarm multi-objective algorithm, with weight adaptive, can draw corresponding Pareto frontiers.)
DE多目标程序
- 一个DE多目标算法，可以绘制相应的pareto前沿(A DE multi-objective algorithm can draw corresponding Pareto frontiers.)
人工免疫多目标程序
- 一个人工免疫的多目标程序，可以绘制相应的pareto前沿(A multi-objective program of artificial immune system can draw corresponding Pareto frontiers)
TestProblems
- 多目标优化测试函数集合，主要包括ZDT1~ZDT6以及DTLZ1~DTLZ6函数、TYD、UF等测试函数的数学模型，标准Pareto解集，非常实用。(Multi-objective optimization test function set, mainly including the ZDT1~ZDT6 and DTLZ1~DTLZ6 function, TYD, UF and other test functions of the mathematical model, the standa
NSGA-III
- 测试可以跑，根据自己情况修改下函数即可. NSGA-III 首先定义一组参考点。然后随机生成含有 N 个（原文献说最好与参考点个数相同）个体的初始种群，其中 N 是种群大小。接下来，算法进行迭代直至终止条件满足。在第 t 代，算法在当前种群 Pt的基础上，通过随机选择，模拟两点交叉（Simulated Binary Crossover，SBX）和多项式变异 产生子代种群 Qt。Pt和 Qt的大小均为 N。因此，两个种群 Pt和 Qt合并会形成种群大小为 2N 的新的种群 Rt=Pt∪Qt。 为了
An Indicator Based Multi-Objective Evolutionary Algorithm with Reference Point Adaptation for Better Versatility
- During the past two decades, a variety of multiobjective evolutionary algorithms (MOEAs) have been proposed in the literature. As pointed out in some recent studies, however, the performance of an MOEA can strongly depend on the Pareto front shap
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
nsga
- 实例分析，运用MATLAB中自带的多目标遗传算法对多目标函数进行计算，找到帕累托最优解。(Case study shows that the multi-objective genetic algorithm in MATLAB is used to calculate the multi-objective function and find the Pareto optimal solution.)
NSGA
- 多目标遗传算法是NSGA-II[1]（改进的非支配排序算法）,该遗传算法相比于其它的多目标遗传算法有如下优点：传统的非支配排序算法的复杂度为 ，而NSGA-II的复杂度为 ，其中M为目标函数的个数，N为种群中的个体数。引进精英策略，保证某些优良的种群个体在进化过程中不会被丢弃，从而提高了优化结果的精度。采用拥挤度和拥挤度比较算子，不但克服了NSGA中需要人为指定共享参数的缺陷，而且将其作为种群中个体间的比较标准，使得准Pareto域中的个体能均匀地扩展到整个Pareto域，保证了种群的多样性
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