基于粒子群的多目标优化算法

综合能源系统是一个复杂的系统，需要考虑经济性和环保性等多种因素。多目标粒子群算法的原理和应用，以此为基础对现有的冷热电联供型综合能源系统进行优化，实现系统的经济性和环保性的双重目标。同时也介绍了优化后

多目标搜索算法相对于单目标算法来说,更加贴近于实际问题,求解结果更具有参考价值。通过多目标搜索算法最终得到的不是一个最优解,而是一个非劣解集,需要从非劣解集中根据实际问题的需要选择一个解作为该问题的最

提出了一种基于密度熵的多目标粒子群算法（EMOPSO）。采用一个外部集保存所发现的Pareto最优解（精英）,并将外部集作为粒子的全局极值。为保证种群的多样性,当精英大于外部集的大小时采用一种基于密度

为了提升粒子群算法求解多目标问题的能力,通过分析初始种群的方法对算法的影响,提出一种基于正交设计的多目标粒子群算法(ODMOPSO)。在算法运行过程中,通过正交设计来产生初始种群,使得种群均匀分布在可

该算法通过引用NSGA-II中的拥挤距离，确定外部档案中非支配解的拥挤度，依据竞标赛选择方法选出每个粒子的全局最优位置，引导每个粒子向处于较稀松区域的非支配解搜索，提高了解的多样性。动态变异算子的引入

多目标进化算法之粒子群算法（PSO，particle-swarm-optimization）的matlab代码。

ComplexNetworkClusteringbyMultiobjectiveDiscreteParticleSwarmOptimizationBasedonDecomposition多目标做社团检

使用matlab编程，分为多个.m文件编写，包括支配关系选择，全局领导者选择，删除多于的非劣解，创建栅格，标准测试函数 Mycost1为ZDT1测试函数Mycost3有约束条件 套用算法只需要改动

针对PSO算法求解多目标优化问题时易陷入局部最优解的问题,采用非支配邻近免疫算子来对粒子群的外部档案进行维护和变异操作,有效提高了Pareto解的多样性,从而提出一种多目标非支配邻近免疫粒子群算法(N

多目标粒子群算法的matlab源代码，并附带有ZDT1等相关检验函数。