设计了一种新的求解均匀分布的Pareto最优解集的多目标进化算法(MOEA),其主要的特点是使用了一种新的个体适应值的计算方式,方法是通过群体中某一个体与群体的最优非劣解集的最小距离来刻画个体的适应值的。算法还结合了遗传算法中的精英策略以及NSGA-Ⅱ中的拥挤距离[12],提高了非劣解向Pareto最优前沿收敛的速度,并且保证了Pareto最优解集的多样性。仿真结果表明,算法不仅能够获得分布良好的Pareto最优前沿,而且能够极大地简化计算,减少了算法的运行时间,其计算复杂度为ο(mn2)(m表示的是目标函数的个数,n是种群的规模)。
2021-10-14 19:54:44
363KB
1
今天小编就为大家分享一篇使用Python求解带约束的最优化问题详解，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
2021-10-12 17:50:17
84KB
1
20世纪50年代中期创立了仿生学，人们从生物进化的机理中受到启发。提出了许多用以解决复杂优化问题的新方法，如进化规划、进化策略、遗传算法等，这些算法成功地解决了一些实际问题。
20世纪90年代意大利学者M．Dorigo，V．Maniezzo，A．Colorni等从生物进化的机制中受到启发，通过模拟自然界蚂蚁搜索路径的行为，提出来一种新型的模拟进化算法—— 蚁群算法，是群智能理论研究领域的一种主要算法。用该方法求解TSP问题、分配问题、job-shop调度问题，取得了较好的试验结果．虽然研究时间不长，但是现在的研究显示出，蚁群算法在求解复杂优化问题（特别是离散优化问题）方面有一定优势，表明它是一种有发展前景的算法．
2021-10-10 23:08:47
914KB
1
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。
2021-10-10 12:57:38
7KB
1
25 TEST FUNCTION 优化问题测试函数 的详细文档，不用错过哦，做优化问题的小盆友们
2021-10-09 17:13:33
2.22MB
1