搜索资源列表
ZDT4
- 为了有效地应用遗传算法解决 鲁棒控制系统设计问题，将遗传算法与局部优化方法相结合，提出了基于降维扫描方法的自适应多目标遗传算法（DRSA-MOGA）。通过引入适应度函数标准化方法、基于最优Pareto解集搜索的降维扫描方法和适应度函数自适应调整方法，提高了算法的全局优化性能和局部搜索能力。仿真结果表明，DRSA-MOGA算法在不损失解的均匀度的情况下可以达到很高的逼近度
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。
0123
- 遗传算法在曲线多边形近似中的应用 在平面数字曲线的多边形近似中, 为克服顶点的检测只依靠局部区域、缺乏全局信息的弱点, 文中把多边 形近似问题作为寻找在满足一定的近似误差条件下使顶点数最少、或者使顶点数和近似误差都尽可能少的最优化 问题来处理. 为了能够处理点数较多的曲线, 文中采用遗传算法和基于Pareto 最优解的改进遗传算法来求近似最 优解. 和一些经典算法的实验比较表明, 文中算法与只依靠曲线局部特性的一类算法相比, 在近似的保真性和效率 上有明显的改进, 同时
nsga2_c_source
- 遗传算法中的NSGA2算法实现，解决多目标遗传算法求解Pareto近似解，具有很好的运行效果
paretosetV3
- To get the Pareto set from a given set of points
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
SPEA2
- 强度PARETO算法，非常经典，也是一个学习多目标进化算法的经典作品。-MOEA
MultiobjectiveGeneticAlgorithm
- 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
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
bbbb
- 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
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
implementationofCoevolutionaryalgorithm
- 利用帕累托最优和协同进化算法做一个模拟，可以应用在多目标优化上。-a simulation using pareto optimization and co-evolutionay algorithm, it could be used to solve multiple objective optimization.
contoh pareto_lageee
- pareto matlab example
多目标粒子群算法 _matlab
- MOPSO算法有详细说明，能够良好运行，出pareto图(MOPSO algorithm is described in detail, able to run well, generate the Pareto Diagram)
pareto
- 帕累托最优，是指资源分配的一种理想状态，假定固有的一群人和可分配的资源，从一种分配状态到另一种状态的变化中，在没有使任何人境况变坏的前提下，使得至少一个人变得更好。(Screening non-inferior solution)
paret
- Pareto efficiency. Finding of incomparable elements
ParetoFronts
- about pareto fronts with matlab language
DTLZ_PF_Generator
- DTLZ测试函数生成真实Pareto前端(DTLZ test function to generate true Pareto front)
多目标NSGA
- 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
遗传算法多目标优化
- 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.)