针对基于分解的多目标进化(MOEA/D)算法在选择下一代解时未考虑解和子问题之间的相对距离,可能导致算法得到的最终解多样性较差的问题,提出一种基于偶图匹配的多目标分解进化(MOEA/D-BM)算法.所
在基于图像序列的多目标跟踪问题中,传统目标链算法利用目标的运动特征和面积特征对其进行关联,取得了较好的效果,但在如新目标进入视场,旧目标离开视场,多个目标靠近、融合,单目标发生分裂等复杂跟踪情况中,以
论文研究-一种证券组合投资的模糊多目标规划方法.pdf, 考虑了证券投资的预期收益率和风险的模糊性 ,利用多样化选择约束抵减证券投资的非系统风险 ,以证券组合投资的收益率极大化和β值极小化为目标 ,
论文研究-一种两层多目标决策方法.pdf,
在筛选个体的过程中,多目标进化算法大多利用非支配信息和密度信息评价个体。但当个体互为非支配关系时,上述信息就难以区分个体的优劣从而影响算法性能。为了改善上述情况,提出了一种基于距离收敛量和历史信息密度
针对网格和密度方法的聚类算法存在效率和质量问题,给出了密度与栅格相结合的聚类挖掘算法,即基于密度和栅格的聚类算法DGCA(densityandgridbasedclusteringalgorithm)
将进化算法应用于某些多目标优化问题时,采用增加种群规模和进化代数的方法往往耗费大量的目标函数计算开销,且达不到提高种群进化效率的目的,为此提出了一种基于自适应学习最优搜索方向的多目标粒子群优化算法。采
基于多目标优化算法的自动化仓库货位优化模型研究,王海宾,刘霞,货位分配是自动化立体仓库中一个关键问题,如何更好的优化货位使用,更好的为货品入出库服务,从而提高入出库的效率是一个值得研
对基于群体聚类的约束多目标进化算法进行了改进,引入了聚集密度以度量群体中个体间的关系,保持种群的多样性。其基本思想为:首先将初始群体按多判据聚类方法分为适应度值不同的四类,然后计算类内群体中个体的聚集
如题。。。。。。。。。。。。。。进化多目标优化算法研究,
