搜索资源列表
Multi-objective_optimization_algorithm
- 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
mmod
- 这个程序使用的几何模型查找模块定义几何 *模型和搜索目标图像中的这些模型。一个简单的单 *模型的例子（1模型1的发生，良好的搜索条件） *第一，其次是更复杂的例子（多个型号， *多次出现在复杂的场景与坏的搜索条件-This program uses the Geometric Model Finder module to define geometric * models and searches for
vb
- 这是一个完整的vb在线考试系统 包括管理员和学生两个角色 包含老师出卷 阅卷 学生在线考试等模块-搜索 图片 地图 新闻 云端硬盘 日历 翻译 相册 更多 ▼ 翻译源语言： 中文 目标语言： 英语 英语中文德语检测语言 中文(简体)英语日语 This is a complete vb online examination system, including administrators and student teachers of the volume cont
UAVpath
- 带通信约束的多无人机协同搜索中的任务/目标分配方法-Multi-UAV cooperative search with communication constraints task/target allocation method
paikezhushou
- 排课助手源程序，排课问题是一个多约束、多目标的优化问题，其实质是时间表问题，已经被确认为NP完全问题。算法作为一种随机搜索算法，利用群体搜索技术，对解决NP问题非常有效。 -It was identified as np-complete problems.Algorithm as a kind of random search algorithm, using search technology, is very effective to solve the NP problem.
Fortran-code
- 多目标fortran 源代码，结合非单调线搜索技术。-Multi-objective FORTRAN source code, combines the technique of nonmonotone line search.
pso1
- pso模型模拟 粒子群算法模仿昆虫、兽群、鸟群和鱼群等的群集行为，这些群体按照一种合作的方式寻找食物，群体中的每个成员通过学习它自身的经验和其他成员的经验来不断改变其搜索模式。 一是进化算法，粒子群算法和进化算法一样采用种群的方式进行搜索，这使得它可以同时搜索待优化目标函数解空间中的较多区域。 二是人工生命，即研究具有生命特征的人工系统，它采用的主要工具是计算机，主要方法是利用计算机编程模拟。-PSO simulation
algjrithm
- powell优化搜索算法,适合于多参数优化且目标函数中不包含参数的情况(Powell optimization search algorithm, suitable for multi-parameter optimization objective function and contains no parameters)
demo5
- 基于粒子群算法的多目标搜索算法：多种求解多目标优化问题的方法(Multi objective search algorithm based on Particle Swarm Optimization: a variety of methods for solving multi-objective optimization problems)
BM算法
- 在计算机科学里，Boyer-Moore字符串搜索算法是一种非常高效的字符串搜索算法。它由Bob Boyer和J Strother Moore设计于1977年。此算法仅对搜索目标字符串（关键字）进行预处理，而非被搜索的字符串。虽然Boyer-Moore算法的执行时间同样线性依赖于被搜索字符串的大小，但是通常仅为其它算法的一小部分：它不需要对被搜索的字符串中的字符进行逐一比较，而会跳过其中某些部分。通常搜索关键字越长，算法速度越快。它的效率来自于这样的事实：对于每一次失败的匹配尝试，算法都能够使用这
基于粒子群算法的多目标搜索算法
- 基于粒子群算法的多目标搜索算法（含详细代码）(Multi target search algorithm based on particle swarm optimization (including detailed code))
遗传算法多目标优化模板
- 利用geatpy库是实现多目标优化， 基于改进NSGA-Ⅱ算法求解多目标优化问题的进化算法模板，传统NSGA-Ⅱ算法的帕累托最优解来只源于当代种群个体，这样难以高效地获取更多的帕累托最优解，同时难以把种群大小控制在合适的范围内，改进的NSGA2整体上沿用传统的NSGA-Ⅱ算法，不同的是，该算法通过维护一个全局帕累托最优集来实现帕累托前沿的搜索，故并不需要保证种群所有个体都是非支配的。(Using geatpy library to realize multi-objective optimiza
蜂群算法
- 多目标柔性作业车间调度问题(Multiobjective Flexible Job-shop Scheduling Problem, MFJSP)是复杂的 NP-hard 问题，相较于基础的车间调度问题更符合实际情况，求解难度也相对较高。，该算法主要通过模拟蜜蜂的觅食来解决实际问题。由于 ABC 算法具有搜索速度快、精度高、鲁棒性强等优点，在车间调度领域得到广泛应用。(Multiobjective Flexible Job-shop Scheduling Problem, MFJSP)
BAS代码
- 天牛须搜索( beetle antennae search，BAS) 算法是2017 年提出的一种基于天牛觅食原理的适用于多目标函数优化的新技术，其生物原理为: 当天牛觅食时，其并不知道食物在哪里，而是根据食物气味的强弱来觅食。天牛有两只长触角，如果左边触角收到的气味强度比右边大，那下一步天牛就会向左边飞，反之则向右飞。依据这一简单原理天牛就可以有效找到食物。与遗传算法、粒子群算法等类似，BAS 不需要知道函数的具体形式以及梯度信息，就可以自动实现寻优过程，且其个体仅为一个，寻优速度显著提高。(
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