TA还没有准备介绍自己
加载中
个人主页
关注
TA的源代码 (4)
经济部/D
暂无评分
本文提出了 ；基于分解的多目标进化算法（MOEA/D）。将一个多目标优化问题 ；为多个标量优化问题和优化 ；同时。每个子问题只由 优化；利用信息从其相邻的几个子问题， ；使MOEA/D有较低的计算复杂度在 ；每一代人比MOGLS和非支配排序遗传算法（NSGA-II ；II）。实验结果表明， ；，MOEA/D简单分解方法优于 ；或执行类似MOGLS和多目标 NSGA-II；0–1背包问题和连续多目标优化问题。它已经表明，MOEA/D使用目的 ；归一化处理不同规模的目标，和 ；MOEA/D与先进的分解方法可以生成 ；一套非常均匀分布的解决方案3-objective测试 ；实例。MOEA/D小种群的能力，可扩展性和MOEA/D灵敏度也被实验 ；本文的研究。
jasonliang1992 0 0
1
经济部-D-德
暂无评分
本文介绍了一类连续的多目标优化测试实例与任意指定的PS形状，可以用于研究处理PS形状复杂的多目标进化算法的能力。它也提出了新版本的经济部/D基于差分进化，即，经济部/D-德，并比较了本文介绍的算法与NSGA-ⅱ与同样的再生产运算符测试实例上。
jasonliang1992 0 0
1
经济部/D-EGO算法
暂无评分
本文提出了一种，叫做经济部/D-自我，昂贵的多目标优化处理。经济部/帝高分解成大量的片面优化子问题议定书》的问题。每一个子问题，基于点到目前为止评价预测模型。努力取得了减少建模的系统开销，提高预测质量。在每一代人，经济部/D用于最大化预期的改进度量值的子问题，并评价然后选择几个测试点。我们进行广泛的实验研究，探讨了该算法的能力。
jasonliang1992 0 0
1
NSGA2
4.0分
NSGA-Ⅱ是目前最流行的多目标进化算法之一，它降低了非劣排序遗传算法的复杂性，具有运行速度快，解集的收敛性好的优点，成为其他多目标优化算法性能的基准。NSGA-Ⅱ算法是Srinivas和Deb于2000年在NSGA的基础上提出的，它比NSGA算法更加优越：它采用了快速非支配排序算法，计算复杂度比NSGA大大的降低；采用了拥挤度和拥挤度比较算子，代替了需要指定的共享半径shareq，并在快速排序后的同级比较中作为胜出标准，使准帕累托域中的个体能扩展到整个帕累托域，并均匀分布，保持了种群的多样性；引入了精英策略，扩大了采样空间，防止最佳个体的丢失，提高了算法的运算速度和鲁棒性。
jasonliang1992 0 0
1
没有更多了~