当前位置：
首页 资源下载
搜索资源 - Pareto Multi Objective
搜索资源列表
-
0下载：
Genetic algorithm for multi objective code with C++.This GAs uses the Pareto method.
-
-
0下载：
多目标遗传算法/用法不用多说、要用的赶快下载吧-Multi-objective Genetic Algorithm/usage Needless to say, want to use to download it as soon as possible
-
-
1下载：
pareto front multi objective optimization
-
-
1下载：
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
-
-
0下载：
摘 要:提出一种新的基于Pareto多目标进化免疫算法(PMEIA)。算法在每一代进化群体中选取最优非支配抗体保存到记忆细胞文档中 同时引入Parzen窗估计法计算记忆细胞的熵值,根据熵值对记忆细胞文档进行动更新,使算法向着理想Pareto最优边界搜索。此外,算法基于点在目标空间分况进行克隆选择,有利于得到分布较广的Pareto最优边界,且加快了收敛速度。与已有算法相比, PMEIA在收敛性、多样性,以及解的分布性方面都得到很好的提高。-Abstract:This paperproposed a
-
-
3下载：
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
-
-
1下载：
为了有效检测多目标优化进化算法的性能，从3 个方面进行多目标优化测试问题的设计，即约束条件、最优解分布的均匀性、算
法逼近Pareto 最优前沿的难度，采用NSGA-Ⅱ算法对这些测试问题进行仿真实验，并将算法求得的最优解可视化。结果显示，测试问题能够有效检测算法在上述3 方面的性能。-In order to effectively detect the multi-objective optimization evolutionary algorithm performance, from
-
-
1下载：
基于群体搜索的遗传算法求解多目标优化问题具有独特的优势,多目标优化算法已有的研究大多为
算法的设计和数值实验效果的比较,理论研究则很少,本文作者给出了一种求解多目标优化问题的新遗传算法
(RMOGA) ,并用Markov 链的理论对RMOGA 的收敛性进行了研究,其结果表明RMOGA 依概率收敛到问题的
Pareto 前沿面-Population-based genetic algorithm search for multi-objective optimization probl
-
-
0下载：
多目标优化
相对传统多目标优化方法, PSO在求解多目标问题上具有很大优势。首先, PSO的高效搜索能力有利于得到多目标意义下的最优解 其次, PSO通过代表整个解集的种群按内在的并行方式同时搜索多个非劣解,因此容易搜索到多个Pareto 最优解 再则, PSO的通用性使其适合于处理所有类型的目标函数和约束 另外, PSO 很容易与传统方法相结合,进而提出解决特定问题的高效方法。就PSO 本身而言,为了更好地解决多目标优化问题,必须解决全局最优粒子和个体最优粒子的选择问题-Compared
-
-
2下载：
一个基于阈值的粒子比较准则，用于处理多目标约束优化问题,该准则可以保留一部分序值较小且约束违反度在允许范围内的不可行解微粒,从而达到由不可行解向可行解进化的目的；一个新的拥挤度函数,使得位于稀疏区域和Pareto前沿边界附近的点有较大的拥挤度函数值,从而被选择上的概率也较大 从而构成解决多目标约束优化问题的混合粒子群算法。-A comparison based on the threshold criteria for the particle to handle multi-objective
-
-
0下载：
基于pareto的多目标遗传算法，它是NSGA2-Pareto-based multi-objective genetic algorithm, which is NSGA2
-
-
0下载：
A Multi-Objective Pareto-Optimal Genetic Algorithm for QoS Multicasting
-
-
1下载：
传算法是一种基于生物进化原理的启发式并行搜索和优化技术，常被用于优化计算。该文针对经典遗传算法在多目标优化计算中存在的不足，结合热力学中熵的概念，利用约束交叉、适应度共享技术来进行多目标函数的优化计算。实验结果显示这种改进型遗传算法能得到一个较好的Ｐａｒｅｔｏ优集。
-Propagation algorithm is a heuristic based on the principle of biological evolution parallel search and optimiza
-
-
0下载：
多目标优化遗传算法有效地避免了收敛速度慢和封闭竞争等问题， Pareto前沿更加接近理想前沿，并且收敛速度都非常快-Multi-objective optimization genetic algorithm is effective to avoid the slow convergence rate and close competition and other issues, leading Pareto closer to the ideal cutting edge, and the
-
-
2下载：
遗传算法的多目标优化算例，动态显示优化过程pareto前端的分布情况。-Genetic algorithm is a multi-objective optimization example, dynamic display of pareto optimal process the
distribution of the front end
-
-
0下载：
it is a method In the multi-objective planning with two conflicting objectives
-
-
2下载：
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
-
-
1下载：
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
-
-
2下载：
NSGA（非支配排序遗传算法）、NSGA-II（带精英策略的快速非支配排序遗传算法），都是基于遗传算法的多目标优化算法，是基于pareto最优解讨论的多目标优化。(NSGA (Non-dominated Sorting Genetic Algorithms) and NSGA-II (Quick Non-dominated Sorting Genetic Algorithms with Elite Strategy) are multi-objective optimization algori
-
-
0下载：
遗传算法解决多目标优化问题，利用遗传算法对多目标问题进行优化得到pareto最优解。(The genetic algorithm solves the multi-objective optimization problem and USES the genetic algorithm to optimize the multi-objective problem to get pareto's optimal solution.)
-
