社区
下载资源悬赏专区
帖子详情
多目标遗传算法、NSGA、经典文章NSGA-2算法、pareto最优解集的进展研究.pdf下载
AI100_小助手
2019-09-18 03:38:08
多目标演化算法的进展研究,主要包括MOGA,NPGA,NSGA,NSGA-II等
相关下载链接:
//download.csdn.net/download/nanot_xc/11777525?utm_source=bbsseo
...全文
55
回复
打赏
收藏
多目标遗传算法、NSGA、经典文章NSGA-2算法、pareto最优解集的进展研究.pdf下载
多目标演化算法的进展研究,主要包括MOGA,NPGA,NSGA,NSGA-II等 相关下载链接://download.csdn.net/download/nanot_xc/11777525?utm_source=bbsseo
复制链接
扫一扫
分享
转发到动态
举报
写回复
配置赞助广告
用AI写文章
回复
切换为时间正序
请发表友善的回复…
发表回复
打赏红包
多
目标
遗传
算法
、
NSGA
、
经典
文章
NSGA
-2
算法
、
pa
reto
最优解
集
的
进展
研究
.
pdf
多
目标
演化
算法
的
进展
研究
,主要包括MOGA,NPGA,
NSGA
,
NSGA
-II等
多
目标
Pa
reto
最优解
搜索
算法
.rar
多
目标
优化是指在约束条件下有两个或两个以上的优化
目标
,而且这些
目标
之间相互矛盾,不能同时达到最优,也就是说,一个
目标
的最优往往是以牺牲其它
目标
作为代价的,因此多
目标
优化问题存在多个
最优解
,这些解之间无法比较优劣,统称为
Pa
reto
最优解
。带精英策略的快速非支配排序
遗传
算法
(Nondominated Sorting Genetic Algorithm II,
NSGA
-II)是目前应用较为广泛的一种多
目标
算法
。本案例将对MATLAB自带的改进的
NSGA
-II进行讲解,并举例说明其应用。
论文
研究
-基于改进的
NSGA
-Ⅱ多
目标
优化方法
研究
.
pdf
针对传统多
目标
优化
算法
在其领域存在的多个子
目标
不能同时取优的问题,提出了一种基于改进的非支配排序
遗传
算法
(non-dominated sorting genetic algorithm-Ⅱ,
NSGA
-Ⅱ)多
目标
优化方法。以多
目标
优化
遗传
算法
为基础,多输入多输出的反向传播(back-pro
pa
gation,BP)神经网络为适应度函数评价体系,保证
算法
快速收敛并搜索到全局
最优解
集
。该
算法
在建模前对实验数据进行主成分分析,降低了运算时间和
算法
难度,通过在遗传进化过程中引进正态分布交叉算子(normal distribution crossover,NDX)和改进的自适应调整变异算子,实现了多个
目标
同时取优,保证
Pa
reto
最优解
集
快速、准确地获取。仿真实验使用UCI数据
集
,通过与其他常用的多
目标
优化
算法
对比,验证了改进的
NSGA
-Ⅱ
算法
精确度更高、收敛速度更快、稳定性更强。
基于MATLAB的精英非支配排序多
目标
遗传
算法
NSGA
Ⅱ非工具箱
## 【MATLAB第16期】#源码分享|基于MATLAB的精英非支配排序多
目标
遗传
算法
NSGA
Ⅱ,非工具箱 ## 1 引言 在文献[1]中,作者提出了一种基于非支配排序的多
目标
进化
算法
(MOEA),称为非支配排序
遗传
算法
II (
NSGA
-II),它缓解了进化
算法
以下三个困难: 1. 时间复杂度为$O(MN^3)$,其中$M$为求解
目标
数,$N$为种群数目 2. 非精英主义方法 3. 需要指定共享参数 具体来说,提出了一种计算复杂度为$O(MN^2)$的快速非支配排序方法。此外,还提出了一个选择算子,它通过结合父母和后代种群并选择最佳(关于适应度和传播)解决方案来创建交配池。对困难测试问题的仿真结果表明,与
Pa
reto 归档进化策略和强度
Pa
reto EA 相比,在大多数问题中,所提出的
NSGA
-II 能够在真正的
Pa
reto 最优前沿附近找到更好的解分布和更好的收敛性——另外两个精英 MOEAs 特别关注创造一个多样化的帕累托最优前沿。 原则上,一个问题中存在多个
目标
会产生一组
最优解
(主要是称为帕累托
最优解
),而不是单个
最优解
。 在没有任何进一步信息的情况下,不能
NSGA
-II多
目标
优化
算法
小白详细介绍ppt
非支配排序,拥挤度计算,
pa
reto前沿,A Fast and Elitist Multi-objective Genetic Algorithm:
NSGA
-II
NSGA
算法
NSGA
算法
缺陷
NSGA
-II
算法
总结 1. 快速非支配排序法将时间复杂度改进为O(MN2); 2.使用拥塞距离代替代替共享函数
算法
保持种群多样性; 引入精英保留策略。 非支配排序的复杂度较高: O(MN3) (M是
目标
函数的个数,N是种群大小); 缺少精英保留策略; 需要人为指定共享参数σshare(共享小生境步骤)。
NSGA
: nondominated sorting genetic algorithms-非支配排序
遗传
算法
nondominated:非支配 例:回家,两
目标
(费用,时间),均越小越好 动车A(270 , 7),普快B(120 , 10),飞机C(240,2) C(240,2)支配A(270 , 7); A(270 , 7)被C(240,2)支配; B(120 , 10)和C(240,2)不可比,即非支配。 目的:得到一组非支配的解--
Pa
reto
最优解
集
。
下载资源悬赏专区
12,781
社区成员
12,309,462
社区内容
发帖
与我相关
我的任务
下载资源悬赏专区
CSDN 下载资源悬赏专区
复制链接
扫一扫
分享
社区描述
CSDN 下载资源悬赏专区
其他
技术论坛(原bbs)
社区管理员
加入社区
获取链接或二维码
近7日
近30日
至今
加载中
查看更多榜单
社区公告
暂无公告
试试用AI创作助手写篇文章吧
+ 用AI写文章