锁麟囊——这是老天爷给我的一番教训-CSDN博客

原创 Lingo学习（二）——线性规划基础、矩阵工厂

① 一个线性规划中只含一个目标函数。(两个以上是多目标线性规划,Lingo无法直接解)② 求目标函数的最大值或最小值分别用max = …或min = …来表示。③ 以!开头,以;结束的语句是注释语句;④ 线性规划和非线性规划的本质区别是目标函数是否线性,其余一致,故不需要区分。但值得注意的是,非线性规划的求解十分困难,基本得不到全局最优解。

2024-07-12 07:00:00 993

原创 Lingo学习（三）——工厂合并、运算符、内置函数

【引入】以上程序可以得到以下结论:Cooperation大工厂是由factory和plant两家小工厂合并而办,可生产68的矩阵。a是16的矩阵,d是18的矩阵,c和x都是68的矩阵。如果将Cooperation(factory,p lant)中的factory与plant调换位置,则生产86的矩阵。工厂合并的名字Cooperation是随便起的,矩阵的名字c和x也是随便起的。

2024-07-12 07:00:00 1129

1.双击打开Lingo2.弹出一个对话框,点击Cancel左边的Never Register即可,其余内容用不到。3:界面自动弹出名为“Lingo Model – Lingo 1”的窗口,用于书写代码。4:以解方程的题目:x12为例,写完代码后,点击“红色的靶心”运行程序。5:首先Lingo会弹出一个名为“Solver Status”的对话框,它显示运行时间。6:读取到运行时间是0时0分0秒,充分证明了Lingo的强大之处。7:然后,弹出一个名为“Solution Report”的界面。

2024-07-11 18:57:04 871

原创多目标优化问题中常用的性能度量指标及参数设置——GD及变体、HV及变体、SP及变体

IGD作为多目标优化问题中常用的性能度量指标，其通过度量算法计算得到的近似Pareto前沿和测试函数的实际Pareto前沿之间的差异来评价算法的性能，也用来评价算法运行出来的解集的收敛性和多样性。而较低的MIGD值意味着处理DMOP 时算法在快速变化的环境中具有良好的整体性能。是给定的多目标优化问题的真实Pareto前沿，POF表示多目标优化算法得到的近似Pareto前沿，n表示中的解的数量。HV是一种较为综合的性能指标，其具有一定的数学理论依据，可用于评估算法获得的种群的多样性和收敛性。

2024-07-11 12:42:05 870

原创基于预测与多样性保持机制的动态多目标进化算法研究（二）——基于预测策略的动态多目标进化算法之种群预测策略PPS

在此之前，预测方法主要用于预测一些孤立的个体，而种群预测策略是在环境变化后，根据环境变化之前的一些重要的历史信息来重新初始整个种群中的所有个体。根据预测出来的中心点和副本产生整个种群的具体过程如下假设( 4 )和( 6 )中的噪声是相互独立的。其中| A |是A的基数,| | x-y | |是x和y之间的欧氏距离.很明显,每个点和每个维度的方差都是相同的。在Step3.1中,通过提出的策略预测一个新的解决方案。,i = 1,2,..,n,j = 0,1,..,p - 1的白噪声,p是AR模型的阶数.

2024-07-10 11:11:21 697

原创基于预测与多样性保持机制的动态多目标进化算法研究（一） ——进化动态多目标优化算法框架

不同于进化算法的遗传操作过程， EDAs首先显式地从需要选择的解集中提取全局的统计信息，然后在基于被选择的比较有优势的解来建立一个后验的概率分布模型，最后通过建立的概率模型来采样并得到最终需要的解。也就是在每一代的运行中，每次从种群中先随机挑选一个个体对它进行重新计算目标值，如果目标值发生了变化，就说明种群所处的环境发生了改变，如果目标值没有发生变化，再从种群中剩余的个体中随机选择一个个体对进行重新评价。进化动态多目标优化经过一段时间的发展，已经形成了相对成熟的动态多目进化算法的框架。

2024-07-10 09:08:58 966

原创 wireshark进行网络监听

1.如果你是用户并设置了某代理服务器，你可能面临以下信息监听风险1）被监听的请求和响应数据：代理服务器可以截取和查看你的所有网络请求和响应数据，包括敏感信息如登录凭证、个人信息等。2）URL和访问的站点：代理服务器可以获知你所访问的URL以及你正在浏览的站点。3）浏览器指纹和用户行为：代理服务器可以分析你的浏览器指纹和用户行为，了解你的偏好、兴趣等个人信息。2.以下是一些方法可以避免监听1）使用HTTPS：使用HTTPS加密协议可以保护数据传输的机密性。

2024-06-27 17:13:58 902

原创 A Population Prediction Strategy for EDMO——进化动态多目标优化的种群预测策略(三)

在温和的条件下,具有m个目标的连续MOP的PS形成一个( m-1 )维分片连续流形。因此,在第t个环境中我们可以将分为两部分:一个质点x^t和一个中心质点在原点的流体C^t,即(2)我们通过不同的策略来处理中心和流形。对于前者,中心点自然形成一个时间序列。因此,我们可利用历史中心点来预测下一个中心点。对于后者,在第一节中假设两个连续的PSs在某种意义上应是相似的。因此,我们可以通过前面的PS流形来估计。通过估计和两部分,我们可以得到一个近似PS^T+1的初始种群。

2024-06-27 15:28:09 1080

原创 A Population Prediction Strategy for EDMO——进化动态多目标优化的种群预测策略(二)

值得一提的是,虽然大多数现有的用于求解动态优化问题的进化算法都是以跟踪移动最优或移动PS / PF为目标的。但也有文献认为更实际的替代方案是找到一个可接受的最优/次优解,该最优/次优解随着时间的推移变化最慢,考虑到重新设计新解的成本以及难以紧密跟踪移动最优或PS / PF,最近,有文献提出了一个随时间实现鲁棒最优解的框架。

2024-06-26 01:55:15 595

原创 A Population Prediction Strategy for EDMO——进化动态多目标优化的种群预测策略(一)

根据优化问题中不确定性的性质,动态优化问题可以分为不同的类别[ 19 ],[ 20 ]。在本文中,我们主要研究以下种类地DMOPs:式中:t = 0,1,2,..∈T表示时刻。对所有i = 1,· · ·,n,-∞

2024-06-26 01:11:06 624

原创 Wireshark下载及安装

1.Wireshark可以做什么？Wireshark（前称Ethereal）是一个网络封包分析软件。网络封包分析软件的功能是截取网络封包，并尽可能显示出最为详细的网络封包资料。Wireshark使用WinPCAP作为接口，直接与网卡进行数据报文交换。

2024-06-25 17:17:31 339

原创当前进化多目标优化算法的研究热点——求解多目标优化的断型进化范例研究（三）

近年来,粒子群优化、蚁群算法、人工免疫系统、分布估计算法、协同进化算法、密母算法、文化进化算法等一些新的进化范例陆续被用于求解多目标优化问题。本文选取其中2类比较典型的算法进行讨论。

2024-06-25 16:45:39 1688

原创新型占优机制研究、高维多目标优化研究、多目标优化测试问题研究

但是，对于上述3 种算法他们处理的问题本身是有很多冗余目标的，也就是说，他们所处理的 50 维的多标优化问题，其实际 Pret 优前面的维数只有几维。Pareto自适应占优机制中，对应于每维目标的是一个该量的长度是格子的数目中元的取值与 Pareto 前面的形有关。考虑到了 Pareto 前沿面不同部分的占优强信息自适应地来调节ε矢量中元素的值，这样那些 Pareto前沿面分布几乎接近垂直和水平的区域所对应的超格矢量中的元素值就相对较小，也就是说，这些区域所分配的格子数目较多。

2024-06-24 20:55:03 937

原创当前进化多目标优化算法的研究热点——求解多目标优化的断型进化范例研究（二）

近年来,粒子群优化、蚁群算法、人工免疫系统、分布估计算法、协同进化算法、密母算法、文化进化算法等一些新的进化范例陆续被用于求解多目标优化问题。本文选取其中2类比较典型的算法进行讨论。该算法将通近整个 Pareto 前沿面的问题分解为一定数量的单目标优化问题，然后用进化算法同时求解这些单目标优化问题算法维持一个由每个子问题的当前最优解组成的种群，子问题之间的近邻关系定义为子问题权重向量之间的距离。每个子问题的优化过程，通过与其近邻子问题之间的进化操作来完成。

2024-06-23 14:56:44 478

原创当前进化多目标优化算法的研究热点——求解多目标优化的断型进化范例研究（一）

近年来,粒子群优化、蚁群算法、人工免疫系统、分布估计算法、协同进化算法、密母算法、文化进化算法等一些新的进化范例陆续被用于求解多目标优化问题。本文选取其中2类比较典型的算法进行讨论。

2024-06-23 14:18:57 671

原创第二代进化多目标优化算法

该时期的算法以精英保留策略为主要特征，并且大多数算法不再以适应度共享的小生境技术作为保持种群多样性的手段，一些更好的策略被提出来，比如基于聚类的方法、基于拥挤距离的方法、基于于空间超格的方法等。

2024-06-22 21:49:08 821

原创第一代进化多目标优化算法

第一代进化多目标优化算法以基于非支配排序的选择和基于共享函数的多样性保持为其主要特点在第一代进化多目标优化的发展期间，一些亟需解决的问题也凸显出来。首先，能否找到替代小生境(共享函数)的方法来保持种群的多样性。适应度共享针对多峰函数优化提出来的，通常需要关于有限峰数的先验知识和解空间小生境均匀分布的假设对于多目标优。

2024-06-22 17:47:14 583

原创进化多目标优化算法研究

进化多目标优化（evolutionary multi-objective optimization，简称EMO）：如何利用进化计算方法求解多目标优化问题。

2024-06-22 17:33:35 1035

loveabc123ABC的博客