基于分解的多目标进化算法(具有动态资源分配 (DRA) 的 MOEA/D) Decomposition Based Multi Objective Evolutionary Algorithm 代码是基于基于分解的多目标进化算法（MOEA/D）的思想和资源分配策略开发的。资源分配策略用于为 MOEA/D 中所需的子问题分配计算资源。 Mohaideen abdul kadhar K (2022)。基于分解的多目标进化算法

GODLIKE (Global Optimum Determination by Linking and Interchanging Kindred Evaluators) 是各种基于种群的全局优化方案的泛化。此外，它只需添加额外的目标函数即可处理单目标和多目标优化。 GODLIKE 使用遗传算法、差分进化、粒子群优化和自适应模拟退火算法的相对基本实现来解决优化问题。它的强大之处在于这些不同的算法同时运行（链接），并且来自每个群体的成员偶尔会交换（交换）以减少收敛到局部最小化器的机会。 它的主要目的是提高鲁棒性，而不是提高效率，因为它通常需要比单独的任何算法更多的功能评估。它还旨在消除每次遇到优化问题时都需要微调这些算法，并概括优化本身（它既是单目标优化器又是多目标优化器），并生成要使用的简单图在快速报告等

MO-NILM：一种用于 NILM 分类的多目标进化算法MO-NILM: A multi-objective evolutionary algorithm for NILM [1] Machlev, R.、Belikov, J.、Beck, Y. 和 Levron, Y. (2019)。MO-NILM：一种用于 NILM 分类的多目标进化算法。Energy and Buildings, 199, 134-144. ‏ [ 2] Tian, Y., Cheng, R., Zhang, X., & Jin, Y. (2017)。PlatEMO：用于进化多目标优化的 MATLAB 平台 [教育论坛]。IEEE 计算智能杂志，12(4)，73-87。

MOAGDE：一种新的多/多目标优化算法 风能/光伏/潮汐能多目标自适应引导差分演化与MO-ACOPF优化 本研究提出了多目标自适应引导差分进化（MOAGDE）作为一种强大而稳定的算法。MOAGDE 可以有效地找到具有不同类型的高复杂度决策/目标空间的多目标优化问题的帕累托最优解。提出的 MOAGDE 是通过重新设计用于多目标优化的自适应引导差分进化算法而开发的。 Duman, S., Akbel, M., Kahraman, HT，“风能/光伏/潮汐能源的多目标自适应引导差分演化和 MO-ACOPF 优化”，应用软计算，Elsevier BV，8 月. 2021, p. 107814，doi：10.1016/j.asoc.2021.107814。

Unity Cocuy资源包，基于2D UI交互的特效资源包

适合初学者看的东西，里面详细讲述了使用 amfphp 的方法。 amfphp 到底有吗用呢？其实很简单，他可以让php给你不同类型的 数据，而不仅仅只有json那的string了。

这是android工程的源码，里面嵌套了unity3D模型，由于unity3D工程较大，写的脚本也较为简单就不上传unity3D那部分了，有不懂的可以直接评论或私聊。该资源主要为那些单独抽取unityLibrary导入到工程里面报错的同学提供借鉴。

为了解决带容量约束WCDMA网络的基站选址问题,提出了一个基于多目标优化量子免疫算法的基站选址优化方案。设计了基站选址问题的数学模型,给出了多目标优化量子免疫算法框架,并进行了实验验证。实验结果表明:算法方案能以较小的基站建设代价满足覆盖要求,具有较好应用价值。

1、资源内容：毕业设计lun-wen word版10000字+；开题报告，任务书 2、学习目标：快速完成相关题目设计； 3、应用场景：课程设计、diy、毕业、参赛； 4、特点：直接可以编辑使用； 5、使用人群：设计参赛人员，学生，教师等。 6、使用说明：下载解压可直接使用。 7、能学到什么：通过学习本课题的设计与实现， 学习内部架构和原理，为后续的创作提供一定的设计思路和设计启发 ， 同时也为后续的作品创作提供有力的理论依据、实验依据和设计依据， 例如提供一些开源代码、设计原理和电路图等有效的资料，而且本设计简单， 通俗易通，易于学习，为不同使用者提供学习资源，方便快捷， 是一种有效且实用的，同时也是一份值得学习和参考的资料。

基于opencv窗口的多边型标注工具。输入bmp,jpg,jpeg等格式图片，鼠标点击生成多边型区域，空格保存json文本文件。适用于多边型标注，或生成mask图。