暂无评论
优化算法解决多目标问题中遇到什么样的问题，怎么解决，文中有所介绍
人工蜂群算法是2005年土耳其注明学者提出的，理论较新颖，是学习算法最佳的算法
为了提高径向基函数ＲＢＦ神经网络预测模型对短时交通流的预测准确性，提出了一种基于改进人工蜂群算法优化ＲＢＦ神经网络的短时交通流预测模型。利用改进人工蜂群算法确定ＲＢＦ网络隐含层的中心值以及隐含层单元数
公共服务设施选址是一种复杂的空间优化问题，选址的好坏关系到公共服务设施能否发挥其最大作用。利用穷举算法难以对高维的数据问题进行求解。针对空间优化选址的特点及人工蜂群算法收敛速度慢的问题，提出了适合空间
针对遗传算法不能充分利用系统中的反馈信息，易陷入“早熟”，以及人工蜂群算法在搜索初期寻优速度慢的问题，将改进的遗传算法与人工蜂群算法融合，实现二者互补，并将由支持向量机训练得到的测试集分类准确率作为算
分别使用两种算法(人工蜂群ABC和蚁群ACS)求解多模式资源约束项目调度问题MRCPSP,matlab编程实现。不同规模的算例多达350个,在EXCEL文件可直接读入。MH=meta-heuristi
PICEA-g是一种新的多目标优化算法，算法性能，特别是在高维多目标问题上，优于NSGA-II等经典算法。ThePICEA-gisaevolutionarymultiobjectivealgori
介绍了多目标优化问题的含义以及给出了多目标优化问题的数学描述。并且介绍了解决多目标优化的几种典型算法，讨论并对比了算法存在的优缺点，认为要进一步研究求解多目标优化问题的更多高效算法，若能结合各种算法的
过了这么久才回来写这篇算法的理解，有点抱歉，实在有很多事。现在就进入正题吧，这个是一个多目标函数优化算法。多目标函数优化有一种方法是，假如现在有n个目标函数fi,首先将每个目标函数乘以一个适当的参数a
该NSGA源代码由Srinivas,N.和Deb,K用c语言编写，可直接运行
暂无评论