搜索资源列表
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
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
10[1].1.1.42.2856
- 一篇knowles的大作，对于学习多目标进化算法有着深层次的作用。-MOEA
NSGA
- 快速非劣精英排序的最好的文章，DEB的心血，了解多目标进化的都应该看一下。-MOEA
the-evolution-of-multi-objectiv
- 介绍了进化多目标的描述，简单实用，是个比较好的综述型文章-Describes the evolution of multi-objective descr iption of simple and practical, is a good review-type articles! !
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
yichuansuanfa
- 遗传算法（Genetic Algorithm，GA）是通过对自然界中生物的遗传和优胜劣汰的进化过程进行模拟与抽象，进而形成的一种自适应全局随机优化搜索方法。遗传算法只需提供目标函数作为寻优信息，它从某一随机生成的初始群体出发，经过选择、交叉和变异等遗传操作后对个体进行适应度评价，保留适应度较强的个体遗传到子代种群中，经过多次的迭代计算求得最优个体，即问题的最优解。本程序采用遗传算法可求解微网优化运行。-Genetic Algorithm is an adaptive global by natu
Particle-Swarm-Optimization
- 本文提出变量随机分解策略，增加关联变量分配到同组的概率，使得算法更好的保留变量间的关联性，并将合作协同进化框架融合到算法中，提出了基于大规模变量分解的多目标粒子群优化算法-In this paper, a stochastic variable decomposition strategy is proposed to increase the probability of assigning related variables to the same group, which makes th
华侨大学XFX函数优化平台2017版
- 该2017版软件集成了竞赛争冠系列算法（含单目标寻优、多峰函数寻优、参数估计（拟合）等）和多种差分向量型式的差分进化算法。可对数学函数进行有或无约束优化、多峰函数优化等工作。其中改进竞赛争冠算法是近期本人的研究佳作。与现行优良的进化算法相比，颇具竞争力。(The 2017 version of the software integrates the series of race champion algorithm (including single objective optimization