![](https://img-blog.csdnimg.cn/20201014180756780.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
MOP问题
文章平均质量分 70
科研实验用到的算法
技术无产者
心之所向,素履以往,生如逆旅,一苇以航!
展开
-
MOPSO算法思路和基本定义梳理
一.基础概念:Parto最优解:一个决策向量是Pareto最优解,条件就是不存在另外一个决策向量支配它(目标向量的最优类似)Parto最优解集:最优解组成的集合Parto前沿、端面:所有的Pareto最优目标向量组成的曲面存档: 即将非劣解存起来,非劣解就是无法严格对比出好坏,即有些目标好,有些目标差;存储pareto最优解集,也可以说是pareto临时最优断.其实就是用来存储每一代个体的pareto最优解。Pbest:粒子本身经历过的最优位置,Gbest: 是粒子群经历过的最优位置原创 2021-01-11 15:40:51 · 5927 阅读 · 1 评论 -
NSGA_2总结梳理附代码按行详细注解
做实验需要解决多目标优化问题,之前也没用过Matlab,看代码也是学习Matlab语法的过程,所以很详细的注解了基本上每一行代码,下面代码亲测可以直接运行,如果有问题的地方欢迎指正。下面代码可能有些长,主要是注释加的比较多,如果想要替换函数的话,直接在evaluate_objective里替换,在主函数里修改M和V即可一.NSGA-2算法简介SGA2主要是对NSGA算法的改进。NSGA是N. Srinivas 和 K. Deb在1995年发表的一篇名为《Multiobjective functi原创 2020-12-29 21:30:23 · 16350 阅读 · 10 评论 -
锦标赛选择法在遗传算法中的应用
锦标赛方法选择策略每次从种群中取出一定数量个体,然后选择其中最好的一个进入子代种群。重复该操作,直到新的种群规模达到原来的种群规模。具体的操作步骤如下:初始时,随机产生n个个体作为第一代,接下来开始锦标赛选择(1) 确定每次选择的个体数量(本文以占种群中个体个数的百分比表示)。一般选择2个。(2) 从种群中随机选择个个体(每个个体入选概率相同) 构成组,根据每个个体的适应度值,选择其中适应度值最好的个体进入子代种群。(3) 重复步骤(2)次,得到的n个体构成新一代种群。...原创 2020-12-26 22:34:53 · 2465 阅读 · 0 评论 -
Matlab 基础知识——矩阵操作及运算(矩阵、数组区别)
看论文时,经常看到矩阵,但在记忆里又看到数组。那么问题来了,矩阵和数组分别是什么?二者有什么区别?看论文时,经常看到矩阵,但在记忆里又看到数组。那么问题来了,矩阵和数组分别是什么?二者有什么区别?在数学上,定义m×n个数(i=1, 2…,m;j=1, 2,…n)排成的m行n列的数表示为m行n列的矩阵,并且用大写加粗黑色字母表示。 ...转载 2020-12-26 21:20:42 · 2334 阅读 · 0 评论 -
什么是MOP问题?
1. 什么是MOPMOP是multi-objective optimization problem的缩写,翻译成中文是多目标优化。举一个简单的例子:工厂生产商品。工厂生产商品消耗不同数量的原料;产品的生产过程中产生污染;产品带来收益。如何在有限数量原料条件下,使得污染最小,收益最高,就是一个MOP问题。然而很多时候,减少污染和提高收益是矛盾的。如果有两个方案:一个污染稍低收益稍低,另一个污染稍高效益稍高,若是没有一个标准来衡量污染和收益的重要性,就没有办法判断这两个方案的优劣。(举这个例子仅转载 2020-12-24 21:15:28 · 4276 阅读 · 5 评论