自适应进化多目标粒子群优化算法

针对当前关于服务路径构建问题的研究主要围绕单一优化目标,构建时延最小、开销最低或负载均衡的服务路径,忽略了服务路径的综合质量,提出了一种基于离散粒子群优化的多目标服务路径构建算法(MOPSO)。为了提

结合Pareto 支配思想、精英保留策略、锦标赛和排挤距离选择技术, 对传统的粒子更新策略进行改进, 给出了一种新的粒子淘汰准则, 提出了一种基于Par et o 最优解集的多目标粒子群优化算法。

针对动态多目标问题求解,提出一种基于分解的预测型动态多目标粒子群优化算法.首先借助分解思想,将目标问题划分为多个不同的子问题,当问题动态变化时,选择对应于不同子问题的优化个体检测环境变化程度,以提高算

针对公共环境中的声音事件识别问题,提出基于自适应粒子群优化(PSO)匹配追踪(MP)稀疏分解的声音事件识别算法。该算法在分析MP稀疏分解的基础上,先基于适应度函数改进PSO算法相关参数的自适应设置,再

标准粒子群算法易陷入局部最优值。根据粒子群算法中的不确定性因素，提出自适应模糊的粒子群优化算法（AFPSO）。在该算法中，对惯性权值和位置更新采用模糊控制，用所有粒子的个体最优的加权平均替代全局最优值

机组调度的好坏直接决定了电网运行费用的多少,通过优化达到最优值是改变机组运行的方式之一。模糊自适应粒子群算法,采用自适应粒子法,通过惯性权值法进行粒子追踪与自适应调整,然后通过公式分析达到最优值。

为了克服标准量子粒子群优化( SQPSO) 算法易陷入局部最优的缺点,引入变异机制,基于进化阶段的 概念,提出了自适应阶段变异量子粒子群优化( APMQPSO) 算法。以四种不同的变异概率减小方式阶段

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

ppt的,觉得其中关于Pareto解讲的很通俗易懂。 有兄弟说,论坛里已经有了。 1、我不知道论坛里已经有了 2、这个资料是从其他地方找的,不是从本论坛中下的 3、如果已经有了,可以下你看到的那一个

基于粒子群算法的多目标搜索算法paretomatlab