搜索资源列表
NSGA-II
- 演化、遗传计算方法NSGA2的源代码-evolution, genetic method NSGA2 the source code!
NSGA-II
- NSGA是基于对个体的几层分级实现的。在选择执行 前,群体根据支配与非支配关系来排序:所有非支配个体被排成一类,这些被分级的个体共享它们的虚拟适应度值。然 后,忽略这组已分级的个体,对种群中的其它个体按照支配与非支配关系再进行分级,该过程继续直到群体中的所有个体被分级。(The NSGA is based on the individual layers of grading. Before selecting execution groups, according to govern with
NSGA-II
- 本程序是关于基于非支配排序遗传算法2的matlab程序，用于求解多目标优化问题的非支配解。(The non-dominated solutions of multi-objective optimization problems)
NSGA2-MATLAB Codes
- 可直接使用代码,关于NSGA-II，用matlab实现的(the NSGA-II that can be used directly)
Constrained NSGA2
- 添加了了约束的非支配排序遗传算法的代码。(A structure MATLAB implementation of NSGA-II for Evolutionary Multi-Objective Optimization)
NSGA-II
- 多目标进化算法，带精英策略的非支配选择遗传算法(multi-objective evolution algorithm)
nsga
- NSGA2优化算法Matlab求解多目标优化问题,欢迎下载学习(NSGA2 optimization algorithm Matlab to solve multi-objective optimization problem, welcome to download and learn)
遗传优化工具箱 - NSGA-II
- 改进的遗传算法，多目标优化算法，简单，快捷有效(Improved Genetic Algorithm)
MOEA-NSGA-II
- MOEA-NSGA-II algorithm
NSGA2
- nsga-II matlab代码 数值算法/人工智能/matlab例程(Nsga-II matlab code numerical algorithm / AI /matlab routines.)
NSGA-II-master
- 在Python中利用遗传算法进行目标优化的程序代码(Using Genetic Algorithms for Target Optimization in Python)
NSGA-II
- matlab实现的多目标优化遗传算法代码。可输出结果并画图。(The matlab program of NSGA-II.)
NSGA-II
- 利用NSGA-II算法实现水资源配置多目标优化问题(Realization of multi-objective optimization of water resources allocation based on NSGA-II algorithm)
NSGA
- 轻松实现多目标优化，本文件自主设计，MATLAB平台实现(Easy implementation of multi-objective optimization, this document is designed independently.Implementation of MATLAB platform.)
NSGA-II
- 电网优化，能够用于分布式电源的选址定容，也可以用于电网的网架优化计算等等(Power network optimization)
NSGA2。5
- 多目标算法NSGA-2,亲测可用，求解方便，matlab编写，其中测试函数为ZDT1(Multiobjective algorithm NSGA-2, which can be used for pro-test and easy to solve, is compiled by matlab. The test function is ZDT1.)
NSGA-II算法C语言代码
- 基于NSGA-II算法原理，利用C语言实现了交叉、变异、以及非支配排序、拥挤度计算等算法模块。
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
nsga2
- 多目标优化算法NSGA-II的python实现(Python implementation of NSGA-II)
NSGA2 eva
- nsga-2 遗传算法，应用于ieee-33节点系统中，方便快捷，好用。(Nsga-2 genetic algorithm is applied in ieee-33 node system, which is convenient, fast and easy to use.)