NSGA-Ⅱ是最流行的多目标遗传算法之一，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就是在第一代非支配排序遗传算法的基础上改进而来，其改进主要是针对如上所述的三个方面： ①提出了快速非支配排序算法，一方面降低了计算的复杂度，另一方面它将父代种群跟子代种群进行合并，使得下一代的种群从双倍的空间中进行选取，从而保留了最为优秀的所有个体； ②引进精英策略，保证某些优良的种群个体在进化过程中不会被丢弃，从而提高了优化结果的精度； ③采用拥挤度和拥挤度比较算子，不但克服了NSGA中需要人为指定共享参数的缺陷，而且将其作为种群中个体间的比较标准，使得准Pareto域中的个体能均匀地扩展到整个Pareto域，保证了种群的多样性。

【BP预测】基于Sine混沌映射优化麻雀算法改进BP神经网络实现数据预测.zip

非线性无约束优化的向日葵优化 (Sfo) 算法 版权所有 (c) 2018, Guilherme Ferreira Gomes 版权所有。 请将此算法引用为： Gomes, GF, da Cunha, SS, & Ancelotti, AC 应用于层压复合板损伤识别的向日葵优化 (SFO) 算法。 计算机工程，p。 2018 年 1 月 1 日至 8 日。 DOI： https : //doi.org/10.1007/s00366-018-0620-8 Gomes, GF, & de Almeida, FA (2020)。 使用混合设计调整元启发式算法：向日葵优化在结构损伤识别中的应用。 工程软件进展, 149, 102877. https://doi.org/10.1016/j.advengsoft.2020.102877 Gomes, GF, & Giovani, RS (2

多目标哈里斯鹰优化 (HHO)算法.zip

分享了吉萨金字塔建造算法源代码及原文，亲测有效

为解决YOLOv3算法在检测道路交通灯时存在的漏检率高、召回率低等问题,提出一种基于优化YOLOv3算法的交通灯检测方法。首先,采用K-means算法对数据进行聚类分析,结合聚类结果和交通灯标签的统计结果,确定先验框的宽高比及其数量。然后,根据交通灯尺寸特点,精简网络结构,分别将8倍降采样信息、16倍降采样信息与高层语义信息进行融合,在两个尺度上建立目标特征检测层。同时,为了避免交通灯特征随着网络的加深而消失的问题,分别减少两个目标检测层前的两组卷积层,简化特征提取步骤。最后,在损失函数中,利用高斯分布特性评估边界框的准确性,以提升对交通灯检测的精度。实验结果显示,优化YOLOv3算法的检测速度可达30 frame/s,平均精准度较原网络提升9个百分点,可以有效完成对交通灯的检测。

为了在动态环境中很好地跟踪最优解, 考虑动态优化问题的特点, 提出一种新的多目标预测遗传算法. 首先 对Pareto 前沿面进行聚类以求得解集的质心; 其次应用该质心与参考点描述Pareto 前沿面; 再次通过预测方法给出 预测点集, 使得算法在环境变化后能够有指导地增加种群多样性, 以便快速跟踪最优解; 最后应用标准动态测试问题 进行算法测试, 仿真分析结果表明所提出算法能适应动态环境, 快速跟踪Pareto 前沿面.

遗传算法bp神经网络优化,遗传算法优化BP神经网络预测,matlab源码.zip

Fred Glover主编 非常经典的元启发式方法的书籍！内容非常丰富，包含：组合优化；遗传算法；蚂蚁算法；紧急算法；人工神经网络；贪婪自适应；领域搜索等。 对学习最优化、NP难问题求解具有非常重要价值！数学建模；线性规划；算法：智能算法。

原子搜索优化（ASO）是解决优化问题的一种新的优化方法。 ASO在数学上模拟并模拟了自然界中的原子运动模型，在原子运动模型中，原子通过Lennard-Jones势所产生的相互作用力和键长势所产生的约束力彼此相互作用。 该算法简单易实现。