遗传算法+NSGAII+带精英策略的非支配排序的遗传算法+锦标赛选择法+python源码实例（python3.5）
运行之前，evolution_lib.py中注释的这一句要取消注释
#from evolution_search_nsga import parameter_lower_bound,parameter_upper_bound
2021-09-26 10:59:20
21KB
1
将NSGA2传统标准程序进行注释，并应用在微电网的经济优化上，文件中的sj,xlsx是风电光伏负荷数据，evaluate_objective.m是目标函数并且注释，initialize_variables.m这里可以进行条件约束。
此程序可使新手轻松入门多目标优化问题和NSGAII算法。
2021-09-19 09:05:07
2.45MB
1
NSGA2优化算法Matlab求解多目标优化问题，遗传算法优化+帕累托排序，有效地解决了多目标优化问题，算例可行有效。
2021-09-16 16:13:52
646KB
1
nsga2算法matlab代码这是基于NSGA-II的多目标进化算法（MOEA）。
最终目的是解决开源软件的发布时间和管理问题
NSGA是一种流行的基于非控制的遗传算法，用于多目标优化。
原始NSGA-II代码可在函数nsga_2（pop，gen）中找到。
该函数的输入参数是种群大小和世代数。
出于定制目的，用户可以通过修改m文件（evaluate_objective.m）来自由修改目标函数（多个决策变量的函数）。
传统上，优化的软件发布时间问题将多决策空间减少为单目标优化问题。
尽管这些表述简化了问题并降低了涉及的复杂性，但是解决方案并不能解决涉及的每个目标。
我们使用基于非控制的遗传算法来解决开源软件的发布时间问题，其原因有两个：1.要同时实现最大的可靠性和最小的成本。
2.进化算法保证了解的质量。
我们没有使用单个遗传算法找到一组最优解，而是找到了一个最优解。
众所周知，这些解决方案是帕累托最优解决方案。
在针对多目标问题的一组帕累托最优解中，在最后一个目标中，每个解决方案都必须比另一个更好。
我们考虑的目标是1.可靠性2.成本3.测试资源消耗
如何运行：
nsga_2（pop，
2021-09-11 18:57:02
139KB
1
NSGA2 QMEA java源代码
NSGA2 QMEA java源代码
NSGA2 QMEA java源代码
2021-09-06 13:09:59
19KB
1
NSGA-2多目标优化算法，Python语言编写，内含ZDT测试，使用说明，以及代码详解，希望能对学习多目标优化的同学有所帮助
2021-07-30 09:24:09
34KB
1