行业-电子政务-基于自适应正交交叉的多目标优化算法的个性化电影推荐方法.zip

Whale Optimization Algorithm (WOA) 是一种用于解决优化问题的新型优化技术。 该算法包括三个算子，用于模拟座头鲸的搜索猎物、包围猎物和气泡网觅食行为。 这是论文的源代码： S. Mirjalili、A. Lewis，鲸鱼优化算法，工程软件进展，印刷中，2016 年，DOI： http : //dx.doi.org/10.1016/j.advengsoft.2016.01.008 链接： http : //www.sciencedirect.com/science/article/pii/S0965997816300163 可以在此处找到该算法的 Matlab 工具箱： http : //au.mathworks.com/matlabcentral/fileexchange/55670-whale-optimization-algorithm-toolb

粒子群算法求解约束多目标优化万能matlab代码，很有参考价值

Multi-Objective Particle Swarm Optimization (MOPSO) is proposed by Coello Coello et al., in 2004. It is a multi-objective version of PSO which incorporates the Pareto Envelope and grid making technique, similar to Pareto Envelope-based Selection Algorithm to handle the multi-objective optimization p

进化多目标优化研究领域的一本最新专著，2007年出版。

微电网matlab代码电源系统优化 该项目包含为与用户合作对微电网能源管理系统进行多目标优化而开发的代码。 包括所有使用的 matlab 代码。 但是，由于版权要求，所使用的数据并未公布。 除了 m.lapp 文件的 .m 版本外，m.lapp 填充无法下载并编译到 matlab 应用程序中，并添加所有 .m 文件，该文件仅用于读取代码。 trafunc6varmoo.m 包含结构解释的附加注释，不再重复

提出改进非劣分类遗传算法(NSGA-Ⅱ)在燃煤锅炉多目标燃烧优化中的应用,优化的目标是锅炉热损失及NOx排放最小化。首先,采用BP神经网络模型分别建立了300MW燃煤锅炉的NOx排放特性模型和锅炉热损失模型,同时利用锅炉热态实验数据对模型进行了训练和验证,结果表明,BP神经网络模型可以很好地预测锅炉的排放特性和锅炉的热损失特性。在建立的锅炉排放特性和热损失BP神经网络模型基础上,采用非劣分类遗传算法对锅炉进行多目标优化,针对NSGA-Ⅱ在燃煤锅炉燃烧多目标优化问题应用中Pareto解集分布不理想、易早熟收敛的问题,在拥挤算子及交叉算子上进行了相应改进。优化结果表明,改进NSGA-Ⅱ方法与BP神经网络模型结合可以对锅炉燃烧实现有效的多目标寻优、得到理想的Pareto解,是对锅炉燃烧进行多目标优化的有效工具,同改进前的NSGA-Ⅱ优化结果比较,其Pareto优化结果集分布更好、解的质量更优。

该PPT主要讲述了多目标优化的一些方法，然后从应用的角度讲了一些多目标优化的实例，并且给出了一定的源代码

数学建模：工业润滑油相关资料

行业-电子政务-含分布式电源的微电网多目标优化调度方法.zip