- 博客(2)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 【学习笔记】多目标优化问题分解成若干简单多目标子问题--MOEA/D-M2M
【学习笔记】多目标优化问题分解成若干简单多目标子问题--MOEA/D-M2M算法简介主要思想1.分解2.算法算法简介MOEA/D-M2M，一种基于分解的多目标优化进化算法。该算法将多目标优化问题分解成若干个简单的多目标子问题。以协作方式解决这些子问题。每个子问题都有自己的种群，并在每一代接受计算。通过这种方式，可以保持种群多样性，这对于解决一些多目标优化问题至关重要。在处理一些多目标优化问题的多目标进化算法中，种群多样性比收敛性更重要。这也解释了为什么MOEA/M2M表现更好。主要思想定义要优化的
2020-10-12 21:19:50
2514
原创 【学习笔记】Multi-Objective Differential Evolution Algorithm --MODEA
【学习笔记】Multi-Objective Differential Evolution Algorithm --MODEA正文（一）算法关键点（二）.概念定义算法流程算法伪代码、算法流程图正文差分进化算法在处理多目标问题（MOP)会遇到很多问题。例如：如何生成新的点，从而更快地收敛到最优帕累托前沿，以及如何替换这些点，以获得尽可能多样的解集？**MODEA算法是对MDE算法（一种解决单目标问题优化的算法）的扩展。**在MODEA算法中，从算法开始就注意保持种群的多样性和产生潜在的候选解。除了使用反向
2020-10-09 00:00:43
1599
3
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人