针对生产过程中生产作业的优化调度问题，以生产质量、效率和成本阈值为约束条件，基于集对分析建立了的生产质量—效率—成本控制的生产作业多目标优化模型；利用快速非支配排序遗传算法（NSGA-Ⅱ）求解优化模型，得到相对确定条件下质量—效率—成本控制的Pareto最优解集。决策者依据实际生产过程需要，为各项生产作业从Pareto最优解集中筛选最合理的调度方案。最后，通过算例仿真验证了结合集对分析与NSGA-Ⅱ的方法解决生产作业多目标优化问题的准确性、有效性和实用性。
2021-12-24 15:51:21
1.19MB
1
一个简单而快速的NSGA-II，可以处理受约束的问题。
两个主要特点是： - 可以在同一个/单独的文件中包含约束- 可以用许多有趣的设计（用户可以选择一些起点）来播种初始一代。
2021-12-16 18:52:08
6KB
1
非支配排序遗传算法matlab代码NSGA-III：非支配排序遗传算法，第三版—
MATLAB实现
这是MATLAB中NSGA-III（非主导排序遗传算法，第三版）的实现。
有关更多信息，请访问以下URL：
引用这项工作
您可以按如下所示引用此代码：
Mostapha
Kalami
Heris，NSGA-III：非支配排序遗传算法，第三版—
MATLAB实现（URL：），Yarpiz，2016年。
2021-11-23 10:39:09
15KB
1
针对多目标旅行商问题, 提出了一种基于模拟植物生长的优化算法。该算法将Deb等人提出的非支配排序及构造偏序集等方法用于模拟植物生长的过程中, 克服了模拟植物生长算法搜索空间过大及收敛性不够理想的缺点。基于该算法的核心思想, 用MATLAB编程实现, 对参考文献的算例进行仿真测试。与其他算法比较, 获得了满意的结果。
2021-11-20 12:53:01
1.02MB
1
这是 NSGA-III 的 MATLAB 实现。 Jan 和 Deb 扩展了众所周知的 NSGA-II 来处理多目标优化问题，使用参考点方法，具有非支配排序机制。 新开发的算法简称为：NSGA-III。 主要参考文件可在此处获得： http : //doi.org/10.1109/TEVC.2013.2281535 。 有关更多信息，请参见以下链接： http://yarpiz.com/ypea126
2021-11-06 13:22:11
13KB
1
非常好的NSGAII多目标遗传算法，仔细理解算法过程，便可掌握编写。遗传算法早在上世界50年代就已经被人提出并进行了阐发。它的核心就是遗传三算子，也就是选择，交叉和变异。通过随机选择的父代，对子代基因进行随机交叉和随机变异，从而形成新的种群。在种群中利用适应度函数对种群个体进行排序，选择出适应度好的个体进行下一代迭代
2021-09-30 14:20:17
7KB
1
考虑综合能源系统实际情况，提出了一种基于改进非支配排序遗传算法(NSGA-Ⅱ)的综合能源多主体利益均衡优化调度方法。将综合能源系统分为三大主体，分别为综合能源服务商、可再生能源拥有者以及用户，引入综合需求响应、储能、储热等能量枢纽技术的数学模型，并结合电动汽车响应模型，从多主体利益均衡角度出发构造了综合能源多主体优化调度模型。以主体间利益均衡为目标，采用基于超平面投影的非支配排序遗传算法对模型进行求解，得到最优Pareto前沿，并利用逼近理想解法寻得各机组最优出力分布，通过仿真对比说明了所提模型的有效性与实用性。
2021-08-13 16:09:16
2.02MB
1