包含25个优化相关代码 │ SVM用于分类时的参数优化，粒子群优化算法，用于优化核函数的c,g两个参数(SVM PSO).rar │ 文件树.txt │ ├─10基于MATLABCPLEX 的机组最优组合，成功求解表格化，图示化的机组组合结果 │ │ www.imdn.cn.txt │ │ 我是程序员_imdn.url │ │ │ └─电力系统机组组合优化 │ excel2017.xls │ jizuzuheyouhua.m │ 基本要求.docx │ 机组组合问题求解结果.xls │ 热备用0.05机组各时段最优出力图表.vsdx │ 热备用0.05状态下的机组组合问题求解结果.xls │ 热备用0.2下的机组最优出力.vsdx │ 热备用0.2状态下的机组组合问题求解结果.xls │ 直流潮流下的节点导纳矩阵.xls │ 节点导纳的逆矩阵.xls

遗传算法多目标优化matlab代码BMOBench 欢迎到B缺乏-输入框中m ULTI-目的Øptimization乙enchmarking（BMOB）平台。 该平台的目的是将文献中的黑匣子多目标问题整合到一个单一的框架中。 这样，多目标优化社区中的研究人员就可以更轻松地全面比较，评估和分析以前的算法和新算法。 本质上，为可重复研究的工具增加了障碍。 使用BMOBench ，您可以在多目标优化社区中针对100个已建立的问题测试新开发的算法，并自动在基于乳胶的纸张模板中获得实验结果。 结果以数据质量的形式报告了四个质量指标：超量，附加ε指示符，反向世代距离和世代距离。 要求： 对于实验： MATLAB ， C 对于后处理：带有Numpy，matplotlib和paletable包的C和Python 32-bit是一个好的开始。 设置 目前，该平台正在支持MATLAB和C 将来的版本也可能支持Python 。 要开始使用BMOBench平台，请从github下载其代码： 下载为/ 解压缩下载的文件以找到以下文件夹： problems ：与问题相关的文件和描述 postprocess ：用于

【优化求解】基于粒子群算法求解多目标优化问题matlab源码.zip

多目标优化免费NSGA-II算法源代码+详细解释【详见文章】 多目标优化免费NSGA-II代码+详细解释（详见文章）该函数基于求解多目标最优解的进化算法，即目标的帕累托前沿。最初只输入种群大小和回采标准，或算法自动停止的总代数。您将被要求输入目标函数的数量、决策变量的数量以及决策变量的范围空间。您还必须通过编辑evaluate_objective()函数来定义自己的目标函数。 多目标优化免费NSGA-II算法源代码+详细解释【详见文章】

此资源包含经典的多目标进化算法NSGA-II，内涵测试集以及性能度量GD,Spacing,,r等。该算法的文献来源为：A Fast and Elitist Multiobjective Genetic Algorithm:NSGA-II

加权和和ε约束方法在多目标优化中的应用 演示两种多目标优化策略 创建用于介绍性设计优化课程（例如 UIUC 的 SE 413）。证明 epsilon-constraint 方法可以识别与多目标优化问题相对应的 Pareto 前沿上的非支配点，而更知名的加权和方法则不能。测试题改编自： “Optimization in Practice with MATLAB: For Engineering Students and Professionals”，A. Messac，2015，剑桥大学出版社

这个MATLAB工具为多目标优化提供了不同的功能： 为不同的求解器 提供通用接口 蛮力网格搜索（穷举搜索） MATLAB单目标遗传算法 ('ga') MATLAB多目标遗传算法（'gamultiobj'） 为 MATLAB 求解器 提供抽象层 缩放输入变量 生成和过滤初始点 将高级数据结构（'struct'）转换为低级（'matrix'） 生成求解器所需的低级输入 允许对函数进行矢量化和并行评估 将要评估的点数分成块 使用并行计算（'parfor'）评估块 块内的点以矢量化方式评估 在数学上，解决了以下优化问题： 多个变量 整数变量 上限和下限 不等式约束 平等约束 非连续目标函数 单目标或多目标目标 该工具由苏黎世联邦理工学院电力电子系统实验室开发

多目标优化测试环境(测试多目标优化问题的算法并输出数据以及视觉效果和准确度配置文件) 算法： 随机搜索 网格搜索 MOPSO NSGA-II MNM-MeshMap 测试集： 维基百科问题 DTLZ 问题 随机生成的问题（二次和正弦多项式） 用户定义的问题（输入您自己的问题） 指标： 超容量 贡献 Epsilon 指标 视觉效果： 针对个别问题的算法结果 更大数据集的准确度配置文件 其他： 数据摘要的逗号分隔值 (CSV) 文件

受闪电和 Lichtenberg 图形启发的受限多目标优化器 多目标 Lichtenberg 算法 (MOLA)(MULTI-OBJECTIVE LICHTENBERG ALGORITHM (MOLA)).zip 佩雷拉，JLJ 等人。多目标 Lichtenberg 算法：用于解决工程问题的基于混合物理的元启发式算法。具有应用程序的专家系统，2021 年。https://doi.org/10.1016/j.eswa.2021.115939

高效多目标优化 (TSEMO) 算法 该存储库包含“Thompson 采样高效多目标优化”（TSEMO）算法 [1] 的源代码。 该算法专为评估成本高的黑盒函数的全局多目标优化而设计。例如，该算法已应用于生命周期评估 (LCA) 和化学过程模拟成本的同步优化 [2]。但是，该算法也可以应用于其他黑盒功能，例如 CFD 模拟。它基于贝叶斯优化方法，构建高斯过程代理模型以加速优化。此外，该算法可以在每次迭代（批量顺序模式）中识别出几个有希望的点。这允许并行评估多个模拟。