基于Pareto 解集关联与预测的动态多目标进化算法

提出用于广义单隐藏前馈神经网络的极限学习机(ELM)由于其学习速度快,良好的泛化能力和易于实现而成为热门的研究主题。 但是,ELM在隐藏层中会遇到冗余和随机性,这是由特征的随机映射引起的。 在ELM中

为提高多目标进化算法的分布性，提出一种基于极坐标的动态调整机制。在极坐标下，根据解集的拥挤程度，计算个体解的缩放系数。在进化过程中利用该缩放系数动态调整解集支配关系，适当提高分布性好的解在支配关系中的

Collaborative Control Algorithm Paper\Multi-objective Algorithm Based on Symbiosis Co-evolution and

自适应算子选择(AOS)用于基于不同算子在优化过程中的最新性能,以在线方式确定不同算子的应用率。 本文提出了一种基于强盗的AOS方法,基于适应度等级的多臂强盗(FRRMAB)。 为了跟踪搜索过程的动态

PPS的源代码，A Population Prediction Strategy for Evolutionary Dynamic Multiobjective Optimization

基于档案交叉的动态多目标粒子群优化算法

进化算法在带约束多目标存放相互关联文件中的应用,裴建中,徐旭东,本文首先提出要解决的一类实际问题:相互关联的数据文件,例如关系数据库表数据备份文件,如何存放到光盘等有限存储空间,使得在

多目标优化的模糊解（智能信息处理实验代码）

多目标动态差分进化算法及其应用研究多

针对现有基于目标空间分割思想的进化算法计算时间复杂度高的缺陷，提出了一种改进的基于目标空间分割的多目标进化算法（OSD-MOEA）。该算法具有以下特点：把个体之间的Pareto支配关系转换成分割区间索