nsga ii算法代码MATLAB MOLTO-3BP 三体问题的多目标低推力优化器 MOLTO-3BP是一款全自动Matlab工具，用于在受限三体问题中对低推力轨迹进行初步设计。 该软件工具仅适用于从地球的圆形轨道到月球的圆形轨道的转移。 安装指南 安装只需要下载所有文件夹和子文件夹并将其添加到Matlab路径即可。 依存关系 需要使用最新版本的Matlab来运行代码（R2016a或更高版本）。 致谢 该代码由NereidaAgüera在其硕士论文期间开发。 安德烈斯·马可（AndrésMarco）在其硕士论文中修改并增强了部分代码。 也感谢Mick Wijnen的贡献。 快速使用指南 为了优化任务，用户需要调用提供输入结构的主函数molto_3bp.m 。 用户只需要定义离场半径和目标轨道半径。 这里有一个例子： % MISSION from Geostationary Earth Orbit to Low Moon Orbit. %% Initial Data R_e = 6378 ; % [km] Mean Earth's radius R_m = 1738 ; % [km]

fgoalattainSolve multiobjective goal attainment problemsEquationFinds the minimum of a problem specified byx, weight, goal, b, beq, lb, and ub are vectors, A and Aeq are matrices, and c(x), ceq(x), and F(x) are functions that return vectors. F(x), c(x), and ceq(x) can be nonlinear functions.Sy

多目标规划是数学规划的一个分支。研究多于一个的目标函数在给定区域上的最优化。又称多目标最优化。通常记为 MOP(multi-objective programming)。 多目标规划的概念是 1961年由美国数学家查尔斯和库柏首先提出的。多目标最优化思想，最早是在1896年由法国经济学家V.帕雷托提出来的。他从政治经济学的角度考虑把本质上是不可比较的许多目标化成单个目标的最 优化问题，从而涉及了多目标规划问题和多目标的概念。

MOGWO优化一个工程实例的代码，适合初学者

粒子群算法 约束多目标 优化 matlab代码 粒子群算法 约束多目标 优化 matlab代码 粒子群算法 约束多目标 优化 matlab代码 粒子群算法 约束多目标 优化 matlab代码

由目标位置点获得轨迹段，目标发生交叉时即断开，MATLAB代码

多目标跟踪 ByteTrack NCNN c++实现 包含完整工程代码和CmakeList

高维多目标优化问题一般指目标个数为4个 或以上时的多目标优化问题.由于种群中非支配解数量随着目标数量的增加而急剧增多,导致进化算法的进化压力严重降低,求解效率低.针对该问题,提出一种基于粒子群的高维多目标问题求解方法,在目标空间中引入一系列的参考点,根据参考点筛选出能兼顾多样性和收敛性的非支配解作为粒子的全局最优,以增大选择压力.同时,提出了基于参考点的外部档案维护策略,以保持最后所得解集的多样性.在标准测试函数DTLZ2上的仿真结果表明,所提方法在求解高维多目标问题时能够得到收敛性和分布性都较好的解集.

最大似然（ML）准则和最大后验概率（MAP）准则，BP神经网络用于函数拟合与模式识别，多目标跟踪的粒子滤波器

在过去的十多年，粒子群算法对多目标优化问题的应用研究取得了较大的进展。本文首先描述多目标粒子群优化算法（MOPSO）的基本流程，然后从算法设计与应用等方面回顾MOPSO的研究进展，最后对该算法未来的研究进行了分析和展望。