暂无评论
针对粒子群算法求解多目标问题极易收敛到伪Pareto 前沿(等价于单目标优化问题中的局部最优解), 并且 收敛速度较慢的问题, 提出一种?? 占优的自适应多目标粒子群算法(??DMOPSO). 在??
MOPSO多目标粒子群算法nsga算法
遗传算法与粒子群算法结合的多目标优化算法具有良好的通用性和可运行性。
为改善多目标粒子群算法的收敛性和多样性,通过对粒子群算法全局极值和个体极值选取方式的研究,采用随机选取和评估选取相结合的方法选取全局极值和个体极值,提出了一种可用于解决多目标优化问
本程序是关于FSP的粒子群多目标(加工时间及拖期时间)算法,通过pareto方法求解非劣解。
mopso多目标粒子群python
一种高维多目标量子粒子群优化算法，夏长红，张勇，高维多目标优化问题广泛存在于日常生产生活中。由于该类问题一般包含多于3个且相互冲突的目标函数，至今缺乏有效的解决方法。基��
文化粒子群优化算法，艾景波，滕弘飞，为了提高粒子群优化（PSO）算法的计算精度和计算效率，避免“早熟”，本文给出文化粒子群优化算法。该算法模型将PSO纳入文化算法框
针对粒子群优化算法在处理高维复杂函数时存在收敛速度慢、易陷入早熟收敛等缺点，提出了混合粒子群优化算法。它借鉴群体位置方差的早熟判断机制，把基因换位和变异算子引入到算法中，构造出新的个体和个体基因的适应
结合小生境思想及灾变原理，提出了一种动态调整种群结构的粒子群算法（AGPSO）。该算法在获取局部最优区域后只留下部分粒子寻找局部最优点，同时将其他粒子进行灾变处理，然后约束在剩余区域进行新最优区域搜索
暂无评论