搜索资源列表
nsga-original
- 原始非支配多目标遗传算法，适用于多个目标函数的输入，多个变量的输入，非常经典的，基于非支配解排序。-original non-dominant multi-objective genetic algorithm applied to a number of objective function input, a number of input variables. very classic, based on the non-dominant solution ranking.
nsga_2
- 基于非支配排序遗传算法处理多目标优化的matlab例程,可以自行修改-Based on NSGA handling multi-objective optimization of Matlab routines, can make its own decisions
非支配排序遗传算法
- NSGA-II 相对于NSGA而言，NSGA—II具有以下优点：1)提出新的基于分级 的快速非胜出排序算法，将计算复杂度由 降到 ，其中： 表示目标函数的数目， 表示种群中个体的数目；2)为了标定分级快速非胜出排序后同级中不同元素的适值，也为使准 域中的元素能扩展到整个 域，并尽可能均匀遍布，文献[7]提出了拥挤距离的概念，采用拥挤距离比较算子代替需要计算复杂的共享参数的适值共享方法；3)引入了保优机制，扩大了采样空间，经选择后参加繁殖的个体所产生的后代同其父代个体共同竞争来产生下一代种群，因
nsga2_c_source
- 用C++语言写的非支配排序遗传算法的例子，顶！-Written in C++, the non-dominated sorting genetic algorithm for example, the top!
NSGA
- nsga2非支配排序遗传算法，c++源码实现-nsga2 non-dominated sorting genetic algorithm, c++ source code to achieve
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
mo-nsga-deb
- 改进的非支配排序遗传算法，求解多目标问题-non dominated sorted algorithm II for multiple objective problem
nsga22
- NSGAII快速非支配遗传算法在 C环境下的代码-NSGAii C code
nsga2code
- 非支配遗传算法NSGA-II code大家一起学习，包括头文件源文件-We will study together NSGA NSGA-II code, source files include the header file
gamultiobj
- 基于遗传算法的多目标优化算法，包括支配于非劣，序值与前端，拥挤距离，最优前端个体系数等概念(The multi-objective optimization algorithm based on genetic algorithm includes the concepts of dominating and non inferiority,rank and front , crowding distance and ParetoFraction)
nsga_2
- 基于非支配排序遗传算法处理多目标优化的matlab例程(A matlab routine for multiobjective optimization based on nondominated sorting genetic algorithm)
NSGA-II
- NSGA2 带精英策略的非支配遗传算法 matlab算法包(NSGA2 elitist genetic algorithm matlab algorithm package with elitist strategy)
NSGA_2
- 用于多目标优化算法，即多目标优化遗传算法-非支配排序遗传算法(The NSGA - II algorithm)
非支配排序遗传算法
- 非支配排序遗传算法NAGS2，算法程序进行了相应的注释，可以运行(Non dominated sorting genetic algorithm NAGS2, algorithm procedures for the corresponding notes, you can run)
NSGA-II
- NSGA是基于对个体的几层分级实现的。在选择执行 前,群体根据支配与非支配关系来排序:所有非支配个体被排成一类,这些被分级的个体共享它们的虚拟适应度值。然 后,忽略这组已分级的个体,对种群中的其它个体按照支配与非支配关系再进行分级,该过程继续直到群体中的所有个体被分级。(The NSGA is based on the individual layers of grading. Before selecting execution groups, according to govern with
NSGA2算法代码
- 很好的解决多目标优化问题的非支配遗传算法代码 可以解决好多优化问题
基于遗传算法的多目标优化
- Matlab源码，通过非支配排序NASA-II,实现通过遗传算法求解多目标优化。
NSGA
- 多目标遗传算法是NSGA-II[1]（改进的非支配排序算法）,该遗传算法相比于其它的多目标遗传算法有如下优点：传统的非支配排序算法的复杂度为 ，而NSGA-II的复杂度为 ，其中M为目标函数的个数，N为种群中的个体数。引进精英策略，保证某些优良的种群个体在进化过程中不会被丢弃，从而提高了优化结果的精度。采用拥挤度和拥挤度比较算子，不但克服了NSGA中需要人为指定共享参数的缺陷，而且将其作为种群中个体间的比较标准，使得准Pareto域中的个体能均匀地扩展到整个Pareto域，保证了种群的多样性
nsga2-master
- 可被用来解决目标函数冲突的多目标优化问题(Solving multi-objective optimization problems)
多目标遗传算法论文
- 快速非支配排序和精英选择策略的改进多目标遗传算法NSGA-II