基于多层次信息交互的多目标粒子群优化算法

为解决多目标粒子群优化算法存在解的多样性差、分布不均等问题，提出一种混合择优机制：在迭代过程中每个粒子依概率，根据解集信息熵或Sigma值确定其全局极值；并直接对解集进行基于信息熵的克隆选择，根据支配

研究了一种用于求解多目标优化问题的粒子群算法(CMMOPSO)。该算法采用外部存档存储每一代产生的非劣解,并且采用拥挤距离来维持外部存档规模,同时提出一种新的全局最优粒子的选取策略(基于拥挤距离和收敛

综合能源系统是一个复杂的系统，需要考虑经济性和环保性等多种因素。多目标粒子群算法的原理和应用，以此为基础对现有的冷热电联供型综合能源系统进行优化，实现系统的经济性和环保性的双重目标。同时也介绍了优化后

多目标搜索算法相对于单目标算法来说,更加贴近于实际问题,求解结果更具有参考价值。通过多目标搜索算法最终得到的不是一个最优解,而是一个非劣解集,需要从非劣解集中根据实际问题的需要选择一个解作为该问题的最

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

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

多目标进化算法之粒子群算法（PSO，particle-swarm-optimization）的matlab代码。

ComplexNetworkClusteringbyMultiobjectiveDiscreteParticleSwarmOptimizationBasedonDecomposition多目标做社团检

使用matlab编程，分为多个.m文件编写，包括支配关系选择，全局领导者选择，删除多于的非劣解，创建栅格，标准测试函数 Mycost1为ZDT1测试函数Mycost3有约束条件 套用算法只需要改动