多目标双系统协同进化算法及其应用

一种名为多目标灰狼算法（MOGWO）的多目标优化算法，并提供了该算法的Matlab代码。该代码可根据用户的需求，轻松替换函数以适应不同的优化问题。MOGWO算法基于灰狼群体的行为模式，通过模拟灰狼的寻

提出一种手势分割问题的多目标优化模型, 并给出该模型的进化求解方法. 建立模型时, 以像素点的位置作为决策变量, 以像素点的颜色与人手肤色的差值作为目标函数. 此外, 根据手部像素点的位置具有相关性,

针对传统遗传算法易于陷入局部最优解，性能不稳定的问题，提出了一种基于协同进化的自适应遗传算法（CEAGA）。在协同进化的两层框架模型的基础上，引入一个自适应的变异策略，改进了协同进化遗传算法中的局部进

在基本的MCPSO算法中除了主群与从群的信息交流，从群之间没有信息交流。为了解决这一问题，提出了一种具有中心交流机制的改进MCPSO算法，该策略可以实现各个从群之间的信息交流，从而加快算法收敛。仿真实

针对传统多种群协同进化算法仍然存在收敛速度慢、计算复杂性不能随进化过程有效降低等问题，提出了一种基于多级搜索区域的协同进化遗传算法，给出了一种衡量种群进化停滞的标准。通过聚类分析将搜索区域划为三个等级

* * % 标准合作型协同进化遗传算法(多元函数优化) %实数编码，求最小值，函数为 bound=[-2.048 2.048]; %f2(x)= ∑i1--（n-1)[100(x(i+1)-xi^2)

针对不确定多目标柔性作业车间调度问题,将工序加工时间采用区间数表示,以区间最大完工时间和区间机器总负荷为优化目标,构建多目标区间柔性作业车间调度模型,并设计一种多目标进化优化算法对该模型进行求解.算法

针对多目标差分进化算法最优解难以获取的问题,提出一种基于参数动态调整的多目标差分进化(AMODE)算法.AMODE算法通过设计变异率和交叉率的自适应调整策略,实现进化过程中变异率和交叉率的动态调整,均

一篇多目标进化的硕士论文,可以参考着看一下,如果做多目标的话

提出了一种新的基于量子计算的多目标进化算法，即多宇宙并行量子多目标进化算法。算法中将所有的量子个体按给定的拓扑结构分成多个独立子种群，划分为多个宇宙；采用目标个体均匀分配原则和动态调整旋转角机制对各宇