To get the Pareto set from a given set of points
上傳時間： 2013-12-11
上傳用戶：410805624
由于演化算法求解多目標優化問題所得結果是一個優化解集———Pareto最優集,而現有的演化算法收 斂性分析只適合針對單目標優化問題的單個最優解。利用有限馬爾科夫鏈給出了演化算法求解多目標優化問 題的收斂性分析框架,并給出了一個分析實例
上傳時間： 2013-12-20
上傳用戶：diets
摘 由于演化算法求解多目標優化問題所得結果是一個優化解集———Pareto最優集,而現有的演化算法收 斂性分析只適合針對單目標優化問題的單個最優解。利用有限馬爾科夫鏈給出了演化算法求解多目標優化問 題的收斂性分析框架,并給出了一個分析實例
上傳時間： 2014-01-15
上傳用戶：lizhizheng88
摘 由于演化算法求解多目標優化問題所得結果是一個優化解集———Pareto最優集,而現有的演化算法收 斂性分析只適合針對單目標優化問題的單個最優解。利用有限馬爾科夫鏈給出了演化算法求解多目標優化問 題的收斂性分析框架,并給出了一個分析實例
上傳時間： 2014-01-25
上傳用戶：ardager
針對無線傳感器網絡的節點能量有限，且在進行信息傳輸時存在數據沖突、傳輸延時等問題，提出并設計了基于最大生存周期的無線傳感器網絡數據融合算法。該算法將整個網絡中的節點分成多個簇，并根據節點的傳輸范圍，將每個簇中的節點均勻分布，每個節點根據自己的本地信息和剩余能量選擇通信方式向簇頭節點傳輸數據，從而形成傳輸數據的最短路徑；并根據集中式TDMA（時分多址）調度模型，運用基于微粒群的Pareto優化方法，使得網絡在完成規定的信息傳輸時每個節點耗費的平均時隙和平均能耗最優。仿真結果表明，上述算法不但可以最大化網絡的生存時間，還可以有效的降低數據融合時間，減少網絡延時。
上傳時間： 2014-12-29
上傳用戶：看到了沒有
為了有效地應用遺傳算法解決 魯棒控制系統設計問題，將遺傳算法與局部優化方法相結合，提出了基于降維掃描方法的自適應多目標遺傳算法（DRSA-MOGA）。通過引入適應度函數標準化方法、基于最優Pareto解集搜索的降維掃描方法和適應度函數自適應調整方法，提高了算法的全局優化性能和局部搜索能力。仿真結果表明，DRSA-MOGA算法在不損失解的均勻度的情況下可以達到很高的逼近度
上傳時間： 2014-01-22
上傳用戶：13681659100
現有的PID參數優化方法往往難以同時兼顧系統對快速性、穩定性與魯棒性的要求，本文針對這一缺陷，提出了一種多目標PID優化設計方法——在滿足系統的魯棒性的前提下，以超調量、上升時間和調整時間最小作為多目標優化的子目標，并將NSGA-Ⅱ與PGA相結合對其求解。該算法求得的Pareto最優解分布均勻，收斂性和魯棒性好，決策者可根據實際系統的要求在Pareto解集中選擇最終的滿意解，這為快速性、穩定性與魯棒性的權衡分析提供了有效的工具。仿真結果表明本文設計方法的有效性和優越性。
上傳時間： 2013-12-23
上傳用戶：wys0120
遺傳算法在曲線多邊形近似中的應用 在平面數字曲線的多邊形近似中, 為克服頂點的檢測只依靠局部區域、缺乏全局信息的弱點, 文中把多邊 形近似問題作為尋找在滿足一定的近似誤差條件下使頂點數最少、或者使頂點數和近似誤差都盡可能少的最優化 問題來處理. 為了能夠處理點數較多的曲線, 文中采用遺傳算法和基于Pareto 最優解的改進遺傳算法來求近似最 優解. 和一些經典算法的實驗比較表明, 文中算法與只依靠曲線局部特性的一類算法相比, 在近似的保真性和效率 上有明顯的改進, 同時又比準確尋優一類的算法如動態規劃等有大幅度的時間節省.
上傳時間： 2013-12-30
上傳用戶：lepoke
遺傳算法中的NSGA2算法實現，解決多目標遺傳算法求解Pareto近似解，具有很好的運行效果
上傳時間： 2014-01-10
上傳用戶：yzhl1988
matlab繪制Pareto前沿，并且附帶C文件以及編譯好的mex文件
上傳時間： 2016-01-18
上傳用戶：chenwudebin
