一种基于粒子群算法的改进多目标文化算法

提出一种多目标自适应混沌粒子群优化算法(MACPSO). 首先, 基于混沌序列提出一种新型动态加权方法选择全局最优粒子; 然后, 改进NSGA-II 拥挤距离计算方法, 并应用到一种严格的外部存档更新

用C语言实现的MOPSO算法经典解决多目标优化问题

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

4篇关于多目标粒子群算法原理，及其应用的论文。

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

提出一种新的多目标粒子群优化(MOPSO)算法.根据多目标优化问题(MOP)的特点,将一个进化群体分成若干个子群体,利用非劣支配的概念构造全局最优区域,用以指导整个粒子群的进化.通过子群体间的信息交换

改进后的粒子群算法 改进前的粒子群算法 改进后的粒子群算法的应用

利用惯性权值进行对PSO算法的改进，其中，惯性权值是线性递减的。

基于粒子群算法的智能车辆多目标跟踪的优化方法。通过对车辆轨迹的分析和算法优化，实现了对多目标的同时跟踪和定位，并对车辆的速度、方向等参数进行了精确计算。文章结合实际案例进行了详细的讲解，介绍了算法的原