多目标进化算法研究ppt文档

为提高多目标进化算法的分布性，提出一种基于极坐标的动态调整机制。在极坐标下，根据解集的拥挤程度，计算个体解的缩放系数。在进化过程中利用该缩放系数动态调整解集支配关系，适当提高分布性好的解在支配关系中的

论文研究-基于量子多目标进化算法的多任务Agent联盟生成.pdf,  多Agent联盟生成是多Agent系统的关键问题之一, 主要研究如何在多Agent系统中动态生成面向任务的最优联盟. 为使Age

采用量子多目标进化算法对从任务级进行抽象建模所得到的系统模型进行软硬件划分,并针对SOC系统设计中存在的特点,对量子多目标进化算法进行改进。采用量子个体编码方案,避免个体编/解码的冗余。并将Paret

Matlab有关多目标遗传算法和多目标优化-多目标遗传算法.pdf有关多目标遗传算法，，希望对大家有用。Figure20.jpgFigure21.jpg

提出一种双链结构的多目标进化算法(DCMOEA). 该算法采用双链结构表示个体, 执行过程中无需设置外部归档集合, 并采用?? 支配策略保持解群的多样性. DCMOEA与MOEA/D、NSGA-II、

提出一种基于$R2$指标的昂贵多目标进化($R2$-EMO)算法.为了解决精确数学模型难以获得以及评估实验成本高昂的昂贵多目标优化问题,$R2$-EMO算法采用高斯过程取代真实模型来评估个体在每个目标

针对差分进化算法其算法思想简明、实现方便而得到了国际进化计算研究领域的认可,多目标问题中,由于各目标之间经常是相互制约的,因此优化难度相当大。带时间窗的多目标物流配送车辆路径优化的多约束性使得它很难应

提出一种自适应进化粒子群优化算法(AEPSO),以提高多目标优化PSO 算法的性能。 AEPSO 算法把非支配排序技术、自适应惯性权重和特殊的变异操作引入到PSO 算法中,来提高 算法的全局搜索能力和

MOEA-NSGA-II 多目标进化算法MATLAB程序 NSGA MATLAB程序

主要是由2006年发表的文章-A Multiobjective Evolutionary Algorithm Based on Decomposition 中文翻译版本，需要自取