暂无评论
该资源提供了一套MATLAB代码,用于实现基于粒子群优化算法的多目标优化问题求解。
求解帕累托最优解,粒子群多目标优化算法,实现多目标优化,代码中包含案例,可运行
基于网格排序的多目标粒子群优化算法
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
为提高多目标粒子群优化(MOPSO)算法处理多目标优化问题的性能,降低计算复杂度,改善算法的收敛性,提出了一种改进的多目标粒子群优化算法。通过运用比例分布及跳数改进机制策略的方法,使该算法不仅继承了M
zdt1测试函数的多目标粒子群优化
为了避免粒子群算法求解车辆路径问题容易陷入局部最优,提出了扫描—粒子群算法。运用扫描算法对矿点进行扫描,生成初始可行解链,将其作为粒子的初始位置代入到粒子群中搜索,得到粒子种群历史最优位置,将种群粒子
采用混合粒子群算法对多目标进行优化,采用matlab编写。
针对约束优化问题,提出了一种融合粒子群的教与学算法。算法采用了一种自适应的教学因子,使得算法的搜索性能可以自适应地调整。引入了自我学习和相互学习的学习模式,使得信息交流更加多样化,增强了算法的全局搜索
为平衡多目标粒子群的全局和局部搜索能力, 提出一种基于高斯混沌变异和精英学习的自适应多目标粒子群算法. 首先, 提出一种新的种群收敛状态检测方法, 自适应调整惯性权重和学习因子的值, 以达到探索和开发
暂无评论