改进的多目标粒子群算法,包括多个测试函数 。对程序中的部分参数进行修改将更好地求解某些函数
粒子群算法求两个函数的pareto前沿,对于ZDT函数有很好的优化效果,函数可以通过f1,f2修改,测试可行。
mopso多目标粒子群python
最新粒子群算法,使用matlab平台的求解约束多目标优化算法,非常好。亲测可用,最新粒子群算法,
提出一种自适应动态重组粒子群优化算法. 该算法采用凝聚的层次聚类算法, 将种群分成若干个子群体, 用一个精英集对非支配解进行存储; 根据贡献度和多样性, 对各子群体的粒子和整个种群进行自适应动态重组;
针对区间参数多目标优化问题, 提出一种基于模糊支配的多目标粒子群优化算法. 首先, 定义基于决策者悲观程度的模糊支配关系, 用于比较解的优劣; 然后, 定义一种适于区间目标值的拥挤距离, 以更新外部存
介绍了多目标粒子群算法 对于想学PSO算法的人有用
为了提高多目标优化算法解集的分布性和收敛性,提出一种基于分解和差分进化的多目标粒子群优化算法(dMOPSO-DE).该算法通过提出方向角产生一组均匀的方向向量,确保粒子分布的均匀性;引入隐式精英保持策
为提高多目标优化算法的收敛性和多样性, 提出一种基于多层次信息交互的多目标粒子群优化算法. 在该算法中, 整个优化过程可分为标准粒子群优化层、粒子进化与学习层和档案信息交换层3 个层次. 粒子进化与学
地磁感应电流(GIC)流经变压器绕组会产生直流偏磁现象,造成变压器无功损耗增加,破坏电网无功平衡,影响电网安全稳定运行。为了有效地抑制GIC对电网的不良影响,以无功补偿设备成本和电压偏移量最小为目标,