多目标进化优化.pdf

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

高效的区间Pareto支配比较对于提高区间多目标进化优化算法性能至关重要.针对现有的区间多目标进化优化采用单一区 间数比较的不足, 提出基于混合比较策略的区间多目标进化优化算法.深入分析区间数mu比较

为了克服传统小生境(Niching)策略中的参数设置难题,提出一种求解旅行商问题的进化多目标优化方法:建立以路径长度和平均离群距离为目标的双目标优化模型,利用改进非支配排序遗传算法(NSGAII)进行

针对电力系统运行的安全经济、绿色环保问题,文中以含火电、风电、光伏、储能的电力系统为研究对象,构建了多目标调度运行优化模型。该模型以总运行成本最小的经济性目标与排放量最小的环保性目标为优化目标,采用结

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

多目标优化方法与原理,详细的介绍了所有多目标优化问题1

多目标决策优化的详尽介绍，讲解了决策优化的各种方法

NSGA-II：nondominatedsortinggeneticalgorithmII，非支配排序遗传算法，是一个有名的多目标优化算法。该程序实现了该算法。NSGA2主要是对NSGA算法的改进

本算法将有约束的单目标优化问题转化为无约束的多目标优化问题求解，更简单

针对以往SＲ 电机多变量、多约束条件、多目标的设计寻优过程中容易陷入局部最优，并且电磁场有限元分析计算耗时长的缺点，本文提出一种能快速收敛实现多目标全局优化的电机设计方法。利用广义回归神经网络对 目标