基于粒子群的多目标搜索算法

提出一种自适应动态重组粒子群优化算法. 该算法采用凝聚的层次聚类算法, 将种群分成若干个子群体, 用一个精英集对非支配解进行存储; 根据贡献度和多样性, 对各子群体的粒子和整个种群进行自适应动态重组;

针对区间参数多目标优化问题, 提出一种基于模糊支配的多目标粒子群优化算法. 首先, 定义基于决策者悲观程度的模糊支配关系, 用于比较解的优劣; 然后, 定义一种适于区间目标值的拥挤距离, 以更新外部存

多目标粒子群算法帕累托求解MATLAB代码，通过对接的帕累托比较，求解帕累托最优前沿

多目标微粒子群算法MOPSO MATLAB代码，及一些文章说明

遗传算法与粒子群算法结合的多目标优化算法具有良好的通用性和可运行性。

为提高电网的抗灾能力需对电网进行差异化规划。用全寿命周期内的新增成本和减损效益对规划的经济性和可靠性进行量化,建立了多目标差异化规划优化模型。根据Pareto支配关系制定寻优准则,以效益成本比最大为目

提出一种基于数据场的多目标引力搜索算法(DFMOGSA). 该算法利用外部档案存储非支配解, 同时将外部档案视为目标空间的数据场, 通过计算非支配解的势能来判断每个解的密度; 密度最低的解被选为第1类

基于自主搜索算法的多目标认知无线电决策引擎

针对约束边界粒子在边界区域搜索能力不足的问题, 提出一种基于自适应进化学习的约束多目标粒子群优化算法. 该算法根据不符合约束条件粒子的约束违反程度, 修正优化算法的进化学习公式, 提高算法在约束边界区

提出一种基于随机黑洞粒子群算法(RBH-PSO) 和逐步淘汰策略的多目标粒子群优化(MRBHPSO-SE) 算法. 利用RBH-PSO 全局优化能力强和收敛速度快的优点逼近Pareto 最优解; 为了