搜索资源列表
求解机械优化的Pareto多目标中心粒子群算法
- 摘要：针对基于权重法的多目标算法无法求解约束多目标问题的缺陷，将中心粒子群算法与Pareto 解集搜索算法相结合，提出 一种Pareto 多目标中心粒子群算法。将此方法用来优化气门弹簧的模型，实验结果表明，该优化方法能够快速准确地收敛于Pareto 解集，并且使其对应的目标域均匀地分布于Pareto最优目标域。
运筹学论文
- 基于免疫的混合进化算法在全球集装箱重新定位的多目标优化
GoodsAllocatingProblemwithMultiAimsbasedonTheHybri
- 多目标货物配装问题是一个复杂的组合优化问题，属于NP难问题，本文用混合粒子群算法求解多目标货物配装问题。混合粒子群算法在基本粒子群算法的基础上，通过引进遗传算法中的交叉和变异的策略，避免了陷入局部最优，加快了达到全局最优的收敛速度。此外，本文提出用权重系数来平衡各目标使各目标都能达到相对较优的效果。-Multi-objective loading of goods is a complicated combinatorial optimization problems are NP hard p
aaaa
- 基于生物免疫系统的自适应学习、免疫记忆、抗体多样性及动态平衡维持等功能,提出一种动态多目标免疫 优化算法处理动态多目标优化问题.算法设计中,依据自适应ζ邻域及抗体所处位置设计抗体的亲和力,基于Pa- reto控制的概念,利用分层选择确定参与进化的抗体,经由克隆扩张及自适应高斯变异,提高群体的平均亲和力,利 用免疫记忆、动态维持和Average linkage聚类方法,设计环境识别规则和记忆池,借助3种不同类型的动态多目标 测试问题,通过与出众的动态环境优化算法比较,数值实验表明所
cccc
- 摘要:提出了一种新型的人工免疫算法用来解决多目标函数优化问题。基于自然免疫系统固有的优良特性对算法进行了设计和分析。 最后,算法对3个较复杂的多目标问题进行了优化,优化结果能很好地覆盖问题的Pareto最优面,并且把算法与某些混合遗传算法进行 了对比实验,表明人工免疫算法在解决多目标优化问题上具有可观的研究前景。 -Abstract:In order to effectively solve multiobjective optimization problems, a novel
dddd
- 基于免疫机制的动态多目标优化免疫算法[PDF]-Dynam icMultiobjectiveOptim ization Immune Algorith Based on ImmuneM echanisms
eeee
- 基于免疫的多目标优化遗传算法[PDF].-Multi-objectiveOptimizationGeneticAlgorithm Based on Immune
1111
- 基于免疫禁忌混合算法的多目标最优潮流计算[PDF].-Multi-objective Optimal Power Flow Calculation Based on Immune/Tabu Search Hybrid Algorithm
MOP_ACA
- 针对多目标优化问题，提出一种用于求解多目标优化问题的蚁群算法。-Ai m i n g a t mu l t i — o b j e c t i v e o p t i m iz a t i o n p r o b l e m， t h i s p a p e r p r o p o s e s a n An t C o l o n y A l g o r i t h m( AC A)f o r s o l v i n g Mu l t i — o
nsga2
- 基于NSGA-Ⅱ算法的区域覆盖卫星星座优化将一种基于Pareto最优概念的快速非支配排序遗传算法(NSGA-Ⅱ)引入区域覆盖侦察卫星星座的多目标优化设计-Algorithm based on NSGA-Ⅱ regional coverage satellite constellation will be based on the concept of Pareto optimal fast non-dominated sorting genetic algorithm (NSGA-Ⅱ) the
yiqunsuanfayingyong
- 蚁群算法多目标优化的博士论文，值得学习借鉴-mop
duo-mu-biao
- 关于多目标优化很精彩的文章，介绍目前比较先进的多目标优化问题的技术-On multi-objective optimization wonderful article about the relatively advanced technology multi-objective optimization problems
17-337[1]
- 本文提出了EDiMƒ ESO(电气放电加工应用模糊进化策略优化)为一个多目标优化控制参数 在电火花机(EDM)。-This paper proposes EDiMƒ ESO (Electrical Discharge Machine using Fuzzy Evolutionary Strategies Optimization) as a multi-objective optimization to control parameters in Electric
dimentionality-reduction
- 本文详细描述了如何进行目标缩减来解决多目标优化问题-The paper discribe how to solve multiobjective problems by dimensionality reduction
多目标优化算法
- 这个是对多目标算法的介绍,具有很好的参考价值
多目标决策优化
- 利用所建立的模型。实现了多目标的决策优化。(Using the established model. The multi-objective decision optimization is realized.)
超多目标优化问题的几种进化算法研究_过晓芳
- 论文提出了新的观点，内容详细，可以对超多目标优化的同学提供好的研究思路(This paper puts forward new ideas and details, which can provide good research ideas for students with super multi objective optimization.)
煤矿节能减排多目标优化研究
- 针对传统煤矿节能减排优化模型选取的目标函数比较单一的问题,构建了涵盖经济效益、能源消耗、污染物排放量等目标函数的煤矿节能减排多目标优化模型,并应用基于改进的蝙蝠算法寻找3个目标函数之间的优化解,实现了经济效益最大化、能源消耗最低化、污染物排放量最少化的优化结果。仿真结果表明,相比于PSO-E、NSGA-II算法,改进的蝙蝠算法能够在较短的迭代步数内获取较高的个体适应度,且能够实现较佳的多目标优化结果,符合节能规划的目标需求。(Aiming at the problem that the obje
多目标算法综述
- 多目标进化算法已经成为解决多目标优化问题的主要方法之一。 本文详细介绍了经典的多目标进化算法， 并分析 了各种算法所采取的策略， 给出了各个算法优缺点分析。 讨论了多目标进化算法的应用。
面向不确定目标的多无人机协同搜索控制方法
- 多架 UAV( Unmanned Aeiral Vehicle) 同时对一个未知区域进行搜索，目 的在于获取搜索区域的信息，尽可能多地发现目标。针对不确定目标的搜索问题，研究多无人机协同搜索控制的新方法。建立多 UAV 运动模型，用目标存在概率对搜索环境进行描述，给出基于 Bayesian 准则的搜索环境更新方法，考虑了环境探测回报、目标发 现回报和无人机协同回报，采用 MPC 实现对多目标优化问题的迭代求解。通过仿真实验和对比分析，证明了该方法具有更好的搜 索性能。