基于Pareto最优概念的多目标进化算法已成为多目标优化问题研究的主流方向。详细介绍了该领域的经典算法,重点阐述了各种算法在种群快速收敛并均匀分布于问题的非劣最优域上所采取的策略,并归纳了算法性能评估
该研究将微粒群算法与灰色系统理论相结合,构建了一种优化后的预测模型。通过微粒群算法对灰色系统模型的关键参数进行寻优,提高了模型的预测精度和稳定性。
Research on Multi-objective Particle Swarm Optimization Algorithm
论文研究-求解整数规划问题的微粒群算法.pdf, 针对整数规划问题的特点,提出了一种在整数空间中进行进化计算的PSO算法,
通过在微粒群算法中引入排雷策略的思想,对微粒群优化算法进行改进,使微粒群算法能摆脱局部极值点的束缚;另外通过在算法的迭代过程中加入旋转方向法,加快算法的收敛速度,从而形成一种新的改进粒子群算法。通过对
基于NSGA-II的多目标优化算法及论文,算法代码可运行,论文已在cscwd2018会议中发表
为游戏中非玩家控制角色(NPC)设计自动寻路算法是人工智能领域研究的一大热点,随着游戏环境的复杂化,仅仅将路径长度作为游戏NPC路径规划的目标已经不能满足真实游戏场景的寻路要求。实际的游戏寻路需要获得
提出了一种基于密度熵的多目标粒子群算法(EMOPSO)。采用一个外部集保存所发现的Pareto最优解(精英),并将外部集作为粒子的全局极值。为保证种群的多样性,当精英大于外部集的大小时采用一种基于密度
为了改进NSGAⅡ算法中存在的分布性等不理想问题,在NSGAⅡ的基础上提出了基于文化的多目标协同进化算法。该算法提出评测信念空间多样性的指标,从信念空间中提取知识,利用知识来指导种群的进化;提出知识假
为了提升粒子群算法求解多目标问题的能力,通过分析初始种群的方法对算法的影响,提出一种基于正交设计的多目标粒子群算法(ODMOPSO)。在算法运行过程中,通过正交设计来产生初始种群,使得种群均匀分布在可