计算智能
jj_千寻
qq:425776024
展开
-
MOEAD 的Python实现,加动态展示,B站讲解
对MOEA/D: A Multiobjective Evolutionary Algorithm Based on Decomposition论文中算法编程实现。注:原论文使用的是DE,我这里用的是GA\EO的一些思想取替换DE,GA与DE原理一样,因此不影响GitHub链接:https://github.com/425776024/MOEADMOEAD算法论文大致介绍详细,这个中文的帖子也...原创 2018-12-04 16:53:13 · 10280 阅读 · 11 评论 -
MOEAD算法中均匀权向量的实现---Python
MOEAD算法不详细介绍了,网上一大堆:这里主要介绍lameda权重向量的均匀分布的实现,2维,3维也许姑且可以手动计算,但是任意维任意大小的均匀分布向量怎么实现?这个博客有大致介绍c++的实现,我依据这个写了个Python实现:`class Mean_vector:def __init__(self, H=5, m=3): #m维空间,目标方向个数H self.H ...原创 2018-11-26 10:50:07 · 6648 阅读 · 10 评论 -
DE-Differential Evolution差分进化算法
差分进化算法相对于遗传算法而言,相同点都是通过随机生成初始种群,以种群中每个个体的适应度值为选择标准,主要过程也都包括变异、交叉和选择三个步骤,和遗传算法几乎一致流程,只是细微变异选择操作不同。不同之处在于遗传算法是根据适应度值来控制父代杂交,变异后产生的子代被选择的概率值,在最大化问题中适应值大的个体被选择的概率相应也会大一些。而差分进化算法变异向量是由父代差分向量生成,并与父代个体向量交叉...原创 2019-02-15 12:24:32 · 2281 阅读 · 0 评论 -
Python动态展示遗传算法求解TSP旅行商问题
效果图:程序会动态的展示迭代过程。测试数据:北京 ;116.46;39.92天津 ;117.2;39.13上海 ;121.48;31.22重庆 ;106.54;29.59拉萨 ;91.11;29.97乌鲁木齐 ;87.68;43.77银川 ;106.27;38.47呼和浩特 ;111.65;40.82南宁 ;108.33;22.84哈尔滨 ;126.63;45.75...原创 2018-11-26 11:40:29 · 10466 阅读 · 36 评论 -
PSO-模拟粒子群算法
没实现过,PSO算法在计算智能算法里面,算是比较出色的一类,有很多改进版,其思路非常简单,但是有较强大的寻优能力。Parsopoulos提出一种基于“分而治之”思想的多种群PSO算法,其核心思想是将高维的目标函数分解成多个低维函数,然后每个低维的子函数由一个子粒子群进行优化,该算法对高维问题的求解提供了一个较好的思路.算法流程如下:1、初始化首先,我们设置最大迭代次数,目标...转载 2019-02-15 15:28:45 · 812 阅读 · 0 评论 -
约束优化
对于带约束的优化问题,包括多目标优化,可以:1)把约束转成无约束的问题2)对超出约束条件的,施加惩罚,如基于适应度等评价的算法对相应的超规解的适应度值进行降低等。............ ...原创 2019-02-15 15:33:15 · 1219 阅读 · 0 评论 -
遗传动态背包模板笔试
import randompop_size = 1000pop = []# 适应度pop_fitness = []# n lengthchrom_len = 6itrator = 1# 总金额sum_mony = 1000# 价格列表price_degree = [200, 600, 100, 180, 300, 450]# 热度列表hot_degree = [6...原创 2019-06-04 20:32:44 · 159 阅读 · 0 评论