MOPSO多目标粒子群优化算法MATLAB实现(可直接运行).zip

为了克服传统优化算法存在的计算量大以及参与调整的设备过多等不足,首先识别对节点增加的注入功率敏感的脆弱线路,并将其与重新定义的重载线路共同构成敏感线路集作为控制算法的约束条件;然后根据线路负载率以及灵

针对复杂图像背景下的多目标定位问题,采用K均值聚类-粒子群优化联合算法,应用排挤机制确定初始聚类质心;根据特征向量将目标粒子种群分为若干个子群,在每个目标子群中进行粒子优化更新;重复进行聚类和子群优化

基于粒子群的多目标优化演化算法，陈建国，宋中山，针对当前大部分多目标优化演化算法在处理多目标问题时算法设计复杂，耗时巨大，取得的近似Pareto前沿点不够多，分布不均匀，覆盖不

第30卷第3期 2009年9月渤海大学学报(自然科学版)JournalofBohaiUniversity(NaturalScienceEdition.30No.3VolSep.2009 粒子群算法在多

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

大连理工大学 硕士学位论文 多目标优化的粒子群算法及其应用研究 姓名:陈绍新 申请学位级别:硕士 专业:软件工程 指导教师:周宽久 20071118 大连理工大学硕士学位论文 图2.1粒子信息传递示意

多目标最优化的混合粒子群算法，马金玲，唐普英，论文提出了一种基于拥挤度和动态惯性权重聚合的多目标粒子群优化算法，该算法采用Pareto支配关系来更新粒子的个体最优值，用外部存

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