暂无评论
提出一种新的多目标演化算法——基于斜率淘汰策略的多目标演化算法。利用基于斜率的淘汰策略，在演化过程中能以较低的时间复杂度更新精英空间、保存精英个体(Elitist)，且取得的解数量大，既保证了近似解集
提出一种基于免疫的多目标优化遗传算法。该算法模仿生物免疫系统过程，使用克隆选择算子和高斯变异算子提高了搜索效率和收敛性；创建了一个记忆细胞集来保存每代所产生的Pareto最优解,以便产生Pareto最
小波域阈值滤波因其实现最简单，计算量最小而得到广泛的应用，但对不同信号而言，其阈值函数的选择将直接影响到滤波效果。由GaoHongYe提出的半软阈值法，因其参数实现算法的复杂度大而没有得到有效的应用。
该算法通过引用NSGA-II中的拥挤距离，确定外部档案中非支配解的拥挤度，依据竞标赛选择方法选出每个粒子的全局最优位置，引导每个粒子向处于较稀松区域的非支配解搜索，提高了解的多样性。动态变异算子的引入
一篇多目标进化的硕士论文,可以参考着看一下,如果做多目标的话
适合多目标数学模型优化
多目标进化算法 多目标进化算法 1. 绪论 2. 主要的多目标进化算法 3. 多目标进化算法性能评价和问题测试集 4. 多目标进化的新进展 5. 应用实例 绪 论 - 背 景 ? 进化算法 (Evol
NSGA-Ⅱ是最流行的多目标遗传算法之一，它降低了非劣排序遗传算法的复杂性，具有运行速度快，解集的收敛性好的优点，成为其他多目标优化算法性能的基准。NSGA-Ⅱ就是在第一代非支配排序遗传算法的基础上改
介绍了多目标优化问题，使用进化算法求解是较好方式。
多目标进化算法 使用matlab语言实现的NSGA-II多目标进化算法
暂无评论