暂无评论
文档中包含：A_Genetic_Revised_Adap.M文件：为改进的自适应遗传算法（单目标优化）；A_Genetic_Revised_Adap_Multi.M文件：为改进的自适应遗传算法（多目标
自适应多目标粒子群优化器TheAdaptiveMulti-ObjectiveParticleSwarmOptimizer(AMOPSO）.
为了改善多目标粒子群算法收敛性能及跳出局部最优的能力，通过研究算法运行过程中归档集规模的变化，总结归档集规模的变化规律，并依此规律提出一种近似确定算法运行状态的简单方法。基于算法运行状态的近似确定，可
为了克服基本粒子群算法易陷入局部最优值和后期收敛速度慢的不足，提出一种基于云模型的自适应粒子群算法。该算法首先采用混沌优化策略对粒子群进行初始化，增加粒子取值的多样性；其次根据粒子的适应度值将种群中的
针对粒子种群较差的局部搜索能力，提出了一种自适应种群更新策略的多目标粒子群算法。该算法在每次种群进行迭代时，根据种群的多样性测度以及每个粒子的适应度值，自适应地改变速度权重，以此来提高种群粒子在局部搜
针对多目标粒子群算法进行了收敛性和分布性分析，提出了一种应用概率分配的自适应调整惯性因子的粒子群优化算法。该算法通过粒子非劣排序的支配等级，设定个体的适应度数值，为增强最优解集的分散性，采用拥挤距离对
提出一种基于动态层次分析的自适应多目标粒子群优化算法, 利用模糊一致矩阵层次分析法选取全局最优粒子, 保证进化方向的合理性和客观性. 在进化过程中对种群状态进行客观度量, 自适应更新种群的权重和学习因
针对多目标优化问题求解,提出基于群体分布特征的多目标自适应粒子群优化算法(pdMOPSO).首先借助统计方法分析归档集在决策空间的分布特征,以此划分进化状态,指导全局引导粒子的选择;然后设计粒子重排策
为平衡多目标粒子群的全局和局部搜索能力, 提出一种基于高斯混沌变异和精英学习的自适应多目标粒子群算法. 首先, 提出一种新的种群收敛状态检测方法, 自适应调整惯性权重和学习因子的值, 以达到探索和开发
随着海洋开发的日益频繁,人们对动力定位系统(Dynamic Positioning System DPS)的需求越来越大,推力分配作为动力定位中的关键问题,受到了广泛关注。针对这一现状,文中提出将自适
基于档案交叉的动态多目标粒子群优化算法
求解帕累托最优解，粒子群多目标优化算法，实现多目标优化，代码中包含案例，可运行
基于粒子群算法的智能车辆多目标跟踪的优化方法。通过对车辆轨迹的分析和算法优化，实现了对多目标的同时跟踪和定位，并对车辆的速度、方向等参数进行了精确计算。文章结合实际案例进行了详细的讲解，介绍了算法的原
在计算机科学领域中，多目标优化问题一直是一个极具挑战性的问题。粒子群算法作为一种有效的全局优化算法，已经被广泛应用于各种实际问题中。粒子群算法的基本原理和具体应用，以及如何通过粒子群算法来解决多目标优
粒子群算法是一种模拟粒子行为的多目标优化方法。该算法通过设计一系列无质量的粒子来寻找问题的最优解。粒子在初始阶段随机分布，通过多次迭代过程，粒子逐渐靠近最优位置。基于标准粒子群算法的框架，我们可以编写
暂无评论