注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 多目标粒子群优化MOPSO

  2. 多目标粒子群优化（Multi-Objective Particle Swarm Optimization (MOPSO)）, developed by Maximino Salazar Lechuga and Gregorio Toscano Pulido

  3. 所属分类：C++

    • 发布日期：2012-05-07
    • 文件大小：16kb
    • 提供者：xy_series

  1. 多目标粒子群源代码mopso

  2. 粒子群优化(PSO)算法是一种模拟社会行为的、基于群体智能的进化技术，以其独特的搜索机理、出色的收敛性能、方便的计算机实现，在工程优化领域得到了广泛的应用

  3. 所属分类：机器学习

    • 发布日期：2018-12-29
    • 文件大小：12kb
    • 提供者：tmxk_23955

  1. 一种组合粒子群和差分进化的多目标优化算法

  2. 在求解多目标优化问题时,针对粒子群优化算法容易陷入局部极值的现象,提出了一种组合粒子群和差分进化的多目标优化算法,使用粒子群优化算法和差分进化算法共同产生新粒子,通过一个判断因子控制两种算法的使用比例,并对粒子群优化算法的速度更新公式进行了改变,以提高搜索效率。通过三个测试函数进行了仿真,并同NSGA-Ⅱ、MOPSO-CD进行了比较。实验结果表明改进算法求得的Pareto解集收敛性和多样性好,并且算法稳定性高,运行速度快。

  3. 所属分类：其它

    • 发布日期：2021-02-24
    • 文件大小：392kb
    • 提供者：weixin_38642369

  1. 基于离散粒子群优化的多目标服务路径构建算法

  2. 针对当前关于服务路径构建问题的研究主要围绕单一优化目标，构建时延最小、开销最低或负载均衡的服务路径，忽略了服务路径的综合质量，提出了一种基于离散粒子群优化的多目标服务路径构建算法(MOPSO)。为了提高收敛速度，优化算法的性能，进一步研究了候选节点和路径的评价标准，提出一种粒子位置初始化和更新策略(PIFC)。仿真实验表明，与已有算法相比，所提出的算法有效地优化了服务路径的质量，提高了服务路径的构建成功率和长期平均收益。

  3. 所属分类：其它

  1. 基于多层次信息交互的多目标粒子群优化算法

  2. 为提高多目标优化算法的收敛性和多样性, 提出一种基于多层次信息交互的多目标粒子群优化算法. 在该算法中, 整个优化过程可分为标准粒子群优化层、粒子进化与学习层和档案信息交换层3 个层次. 粒子进化与学习层保证了每次迭代都能得到更好的粒子位置; 档案信息交换层可以提供更好的全局最优. 优化算法各个层次之间通过信息交互, 共同提高算法的收敛性和多样性. 与NSGA-II 和MOPSO算法的对比分析表明, 所提出算法具有良好的性能, 能够有效解决多目标优化问题.

  3. 所属分类：其它

    • 发布日期：2021-01-13
    • 文件大小：218kb
    • 提供者：weixin_38631042

  1. 基于分解和差分进化的多目标粒子群优化算法

  2. 为了提高多目标优化算法解集的分布性和收敛性,提出一种基于分解和差分进化的多目标粒子群优化算法(dMOPSO-DE).该算法通过提出方向角产生一组均匀的方向向量,确保粒子分布的均匀性;引入隐式精英保持策略和差分进化修正机制选择全局最优粒子,避免种群陷入局部最优Pareto前沿;采用粒子重置策略保证群体的多样性.与非支配排序(NSGA-II)算法、多目标粒子群优化(MOPSO)算法、分解多目标粒子群优化(dMOPSO)算法和分解多目标进化-差分进化(MOEA/D-DE)算法进行比较,实验结果表明,所

  3. 所属分类：其它