构建多目标配网重构模型，该模型充分考虑了风电出力、光伏发电以及负荷的不确定性，并且同时优化配网的3个重要评估指标：有功损耗、节点最小电压值、负荷均衡度。采用场景分析法处理不确定性因素，采用同步回代缩减法进行场景削减，讨论不同场景数对优化结果的影响，并利用多目标扰动生物地理学算法求解模型，利用模糊集理论确定最终重构方案。某69节点配网系统测试结果表明：所用算法能够快速找到多目标配网重构模型的决策解，具有较高的搜索效率，验证了在消纳分布式电源的情况下，通过网络重构能够明显改善网络的各项指标。

张青富MOEA/D经典论文代码,这是几版MOEA/D最好的一版， %程序功能：实现MOEAD算法，测试函数为ZDT1,ZDT2,ZDT3,ZDT4,ZDT6,DTLZ1,DTLZ2 %说明：遗传算子为模拟二进制交叉和多项式变异 %作者：(晓风) %email: 18821709267@163.com %最初建立时间：2018.09.30 %最近修改时间：2018.10.08 %参考论文： %MOEA/D: A Multiobjective Evolutionary Algorithm Based on Decomposition %Qingfu Zhang, Senior Member, IEEE, and Hui Li %IEEE TRANSACTIONS O

基于MATLAB集成的多目标优化算法工具包，涵盖了了目前大部分多目标进化算法。

为了解决超宽带（UWB）穿墙雷达成像（TWRI）中多个目标未被检测到的可能性，提出了一种时延和幅度修正背投影（BP）算法。 根据费马原理，可以在存在墙的情况下找到折射点，并且可以正确补偿时间延迟。 在此基础上，详细分析了电磁波的传输损耗，折射波的吸收损耗和球面波的扩散损耗。 在具有单层壁的模型上推导并测试幅度补偿。 时域有限差分法（FDTD）的仿真结果表明，该方法有效地提高了墙后目标的散射强度。 补偿球面波中的扩散损耗也起着主要作用。 此外，还模拟了两层墙模型。 然后，比较单层壁模型和两层壁模型的计算时间和成像质量。 结果说明了具有多个目标和UWB TWRI的多层墙的时延和幅度修改的BP算法的性能。

里面有个英文手册，我自己测试过，可以使用。 翻译手册里的步骤如下： 1.解压缩后，文件夹MOEA_SPEA2_MATLAB里面会有个source文件夹，再把source里的文件都拷贝到根目录。 2.将MOEA_SPEA2_MATLAB放在MATLAB的toolbox文件夹下，打开MATLAB，然后set path，之后将current directory定位到：D:\MATLAB7\toolbox\MOEA_SPEA2_MATLAB(这是我的存放地点) 3.首先运行build_spea2.m产生spea2.dll，这样就可以使用SPEA2算法啦 4.打开demo_moea.m，运行一下Demo

针对配电网中分布式电源的选址和定容问题,建立了包括分布式电源的运行维护费用、环境因素费用、网损费用的目标函数,并把潮流约束、电压约束、系统容量约束作为约束条件,采用改进的粒子群优化算法,确定分布式电源的位置和容量。对33节点配电系统进行仿真计算,得到了较为合理的安装位置和容量。

针对约束边界粒子在边界区域搜索能力不足的问题, 提出一种基于自适应进化学习的约束多目标粒子群优化算法. 该算法根据不符合约束条件粒子的约束违反程度, 修正优化算法的进化学习公式, 提高算法在约束边界区域的搜索能力; 通过引入一种基于拥挤距离的Pareto 最优解分布性动态维护策略, 在不增加算法复杂度的前提下改进Pareto 前沿的分布性. 实验结果表明, 所提出的算法可以获得具有更好收敛性、分布性和多样性的Pareto 前沿.

多目标数据关联算法中比较经典的算法是联合概率数据关联算法，本程序对交差目标进行了仿真

Matlab关于多目标分类的算法实现有代码及详细注释-类依赖的线性判别分析.rar 按照文献“类依赖的线性判别分析”给出的CSLDA算法思路，我编写出相应代码，然后用UCI实验室测试数据测试，效果不太好，那点错了吗？该如何修正？望高手指教。附文献、代码和测试数据。如果不想浪费m币，请留下邮箱。 UCI.DAT 测试数据 CSLDA.m 代码 类依赖的线性判别分析.rar 文献

多目标粒子群算法帕累托求解MATLAB代码，通过对接的帕累托比较，求解帕累托最优前沿