演化计算
文章平均质量分 75
群智能,组合优化,进化算法,
武科大许志伟
武科大计算机本硕博,小青椒,IEEE, ACM, CCF, CAAI, IEEE-SMC, IEEE-CIS会员.研究方向为:演化计算,多目标优化,迁移优化,多任务优化,机器学习。
展开
-
关于差分进化算法(Differential Evolution)
差分进化算法最具有特色的是它的自适应变异操作,在演化的初期阶段,因为种群中个体的差异较大,因此用来作为变异扰动的差向量也较大,个体的扰动就较大,有利于算法的全局搜索;随着演化的进行,当算法趋于收敛的时候,种群中个体的差异随之较小,因此用来变异扰动的差向量也随之自适应地变小,较小的扰动有利于局部搜索。正是由于这种简单又独具特色的变异操作有效地平衡了差分演化算法的全局搜索能力和局部搜索能力。原创 2022-11-14 16:12:57 · 4124 阅读 · 1 评论 -
从PlatEMO中提取真实PF前沿
从PlatEMO中提取真实PF前沿觉得有用的话,欢迎一起讨论相互学习~众所周知,我是Jmetal的重度爱好者,最近实验遇到一些难以解决的困难,当我在进行超多目标优化实验即MaOP时,需要M=10及以上的PF,然而在benchmark中没有提供,而且Jmetal不支持通过均匀取点的方式生成PF。因此,经过老师的指导,我们选择使用在PlatEMO中运行完相应目标数量的benchmark problem后,将通过均匀踩点得到的真实PF提取出来作为在Jmetal上进行实验的真实PF.观察platEMO中原创 2022-05-12 11:54:59 · 1473 阅读 · 0 评论 -
【CMOP】 benchmark 目标函数数量和决策变量数量可变性
CMOP benchmark 目标函数数量和决策变量数量可变性觉得有用的话,欢迎一起讨论相互学习~benchmark Name目标可变决策变量个数可变CF不可变不可变DAS-CMOP不可变可变DOC不可变不可变C-DTLZ可变可变DC-DTLZ可变可变FCP不可变可变LIR-CMOP不可变可变MW不可变可变RW不可变不可变...原创 2022-04-09 16:12:44 · 580 阅读 · 0 评论 -
【PlatEMO】 V34 改版更换文件
PlatEMO V34 改版更换文件觉得有用的话,欢迎一起讨论相互学习~目前platEMO的版本是V34,对于原来的一些文件和代码需要进行一些修改才能在最新的平台上使用对于种群大小,原来是Global.N, 现在是Problem.N对于问题的目标数量,原来是Global.M,现在是Problem.M对于算法迭代,原来的控制语句是 while Algorithm.NotTermination() 现在是 while Algorithm.NotTerminated对于种群的初始化,原初始化语句原创 2022-04-07 22:44:29 · 677 阅读 · 0 评论 -
【PlatEMO】 debug fail to save the table, please refer to the command window for detail
PlatEMO debug fail to save the table, please refer to the command window for detail觉得有用的话,欢迎一起讨论相互学习~问题最近在使用PlatEMO的实验模块时,当所有实验run完,想要保存表格时,弹出解决方法因为此时我已经打开了WPS,这时候生成的文件会自动在WPS中打开,使得写文件的操作无效,因此此时关闭当前打开的WPS就可以继续保存了~ 非常的香鸭 !!!...原创 2022-04-02 14:15:16 · 429 阅读 · 0 评论 -
PlatEMO matlab 使用帮助文档
PlatEMO matlab 使用帮助文档觉得有用的话,欢迎一起讨论相互学习~作为一名java(Jmetal?)python (Tensorflow?) 重度爱好者,当我使用Matlab的时候我常常找不到北有时候你是不是会遇见在matlab使用帮助命令缺找不到想要的答案,例如我今天就是这样,我想要查找这个UniformPoint函数使用命令行doc UniformPoint这是因为没有把项目的路径加入到matlab中,例如此处我使用的是platEMO将其添加到matlab路径的方法也十分简原创 2022-03-31 23:00:12 · 1898 阅读 · 1 评论 -
【论文研读】-用于约束多目标优化的新型双阶段双种群进化算法补充材料
论文研读-用于约束多目标优化的新型双阶段双种群进化算法补充材料A Novel Dual-Stage Dual-Population Evolutionary Algorithm for Constrained Multi-Objective Optimization觉得有用的话,欢迎一起讨论相互学习~最近我在学习约束多目标问题的论文,其中由明博士和张教授发表在TEVC上的DD-CMOEA非常不错~原文链接此篇文章为 M. Ming, R. Wang, H. Ishibuchi and T. Z原创 2022-03-30 17:35:43 · 1792 阅读 · 3 评论 -
【论文研读】-用于约束多目标优化的新型双阶段双种群进化算法
论文研读-用于约束多目标优化的新型双阶段双种群进化算法A Novel Dual-Stage Dual-Population Evolutionary Algorithm for Constrained Multi-Objective Optimization觉得有用的话,欢迎一起讨论相互学习~最近我在学习约束多目标问题的论文,其中由明博士和张教授发表在TEVC上的DD-CMOEA非常不错~原文链接此篇文章为 M. Ming, R. Wang, H. Ishibuchi and T. Zhang原创 2022-03-30 17:34:46 · 8676 阅读 · 1 评论 -
【论文研读】-基于对偶种群的约束多目标优化进化算法-补充材料
基于对偶种群的约束多目标优化进化算法-补充材料Supplementary File of “A Dual-Population based Evolutionary Algorithm for Constrained Multi-Objective Optimization觉得有用的话,欢迎一起讨论相互学习~最近我在学习约束多目标问题的论文,其中由明博士和张教授发表在TEVC上的c-DPEA非常不错~这是正文的补充材料,之所以也想进行研读,是因为其中的有些实验内容能给我们带来一些思考,并能看到C原创 2022-03-29 18:16:08 · 951 阅读 · 0 评论 -
【论文研读】基于对偶种群的约束多目标优化进化算法
基于对偶种群的约束多目标优化进化算法A Dual-Population-Based Evolutionary Algorithm for Constrained Multiobjective Optimization觉得有用的话,欢迎一起讨论相互学习~最近我在学习约束多目标问题的论文,其中由明博士和张教授发表在TEVC上的c-DPEA非常不错~此篇文章为 M. Ming, A. Trivedi, R. Wang, D. Srinivasan and T. Zhang, "A Dual-Popul原创 2022-03-29 18:02:37 · 3387 阅读 · 1 评论 -
从PCC到MIC,理解变量之间的相关性
选自FreeCoderCamp作者:Peter Gleeson机器之心编译参与:陈韵竹、程耀彤、刘晓坤原文链接:https://medium.freecodecamp.org/how-machines-make-predictions-finding-correlations-in-complex-data-dfd9f0d87889本文为机器之心编译,转载请联系公众号获得授权。本文分享自微信公众号 - 机器之心(almosthuman2014)原文出处及转载信息见文内详细说明,如有侵权,请联系转载 2021-11-28 19:55:32 · 2437 阅读 · 0 评论 -
【转】距离相关系数以及python包的安装
距离相关系数以及python包的安装觉得有用的话,欢迎一起讨论相互学习~版权声明:本文为CSDN博主「 LUC 」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。原文链接:https://blog.csdn.net/weixin_45456209/article/details/108356586距离相关系数:研究两个变量之间的独立性,距离相关系数为0表示两个变量是独立的。克服了皮尔逊相关系数(Pearson)的弱点。pearson相关系数为0并不一定表示转载 2021-11-06 13:54:29 · 487 阅读 · 0 评论 -
【转】一文读懂PCA算法的数学原理
一文读懂PCA算法的数学原理来源:算法数学俱乐部,算法与数学之美,编辑:nhyilin觉得有用的话,欢迎一起讨论相互学习~PCA(Principal Component Analysis)是一种常用的数据分析方法。PCA通过线性变换将原始数据变换为一组各维度线性无关的表示,可用于提取数据的主要特征分量,常用于高维数据的降维。网上关于PCA的文章有很多,但是大多数只描述了PCA的分析过程,而没有讲述其中的原理。这篇文章的目的是介绍PCA的基本数学原理,帮助读者了解PCA的工作机制是什么。转载 2021-11-03 14:30:44 · 715 阅读 · 0 评论 -
【转】Maximal Information Coefficient (MIC)最大互信息系数详解与实现
Maximal Information Coefficient (MIC)最大互信息系数详解与实现————————————————版权声明:本文为CSDN博主「Font Tian」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。原文链接:https://blog.csdn.net/FontThrone/article/details/85227239感谢Font Tian的分享,仅作学术交流,如有侵权-联系后台删除~觉得有用的话,欢迎一起讨论相互学习~MI转载 2021-11-03 12:04:27 · 4473 阅读 · 0 评论 -
【转】带约束的多目标优化进化算法综述
带约束的多目标优化进化算法综述觉得有用的话,欢迎一起讨论相互学习~————————————————版权声明:本文为CSDN博主「街灯下的哥斯拉」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。原文链接:https://blog.csdn.net/a1920993165/article/details/111239813约束优化进化算法综述1.摘要约束优化进化算法主要研究如何利用进化计算方法求解约束优化问题,是进化计算领城的一个重要研究课题.约束优化问题求解转载 2021-11-02 22:55:43 · 2408 阅读 · 0 评论 -
Jmetal和PlatEMO中计算IGD时的结果差异
Jmetal和PlatEMO中计算IGD时的结果差异觉得有用的话,欢迎一起讨论相互学习~如果你不知道IGD是如何计算的,欢迎查看原先的博文IGD反转世代距离-多目标优化评价指标概念及实现最近的实验过程中,发现即使是同样的种群,在PlatEMO和Jmetal上计算有差异,大概Jmetal比PlatEMO上少一个 数量级Jmetal Codepublic double invertedGenerationalDistance(double [][] front,原创 2021-10-27 11:13:48 · 684 阅读 · 5 评论 -
多目标中的Worst, Nadir, Ideal, Extreme Points
Worst-Nadir-Ideal-Extreme-Points in MOPs觉得有用的话,欢迎一起讨论相互学习~以下内容来自于王晗丁教授的论文-“Nadir point estimation for many-objective optimization problems based on emphasized critical regions” 仅做论文研读而不做商业用途,在此感谢王教授!!比心!“Wang, H., He, S., & Yao, X. (2015). Nadir p原创 2021-10-19 09:00:36 · 932 阅读 · 0 评论 -
论文快报-2021-10-Multi-task optimization and evolutionary multitasking
论文快报-2021-10-Multi-task optimization and evolutionary multitasking觉得有用的话,欢迎一起讨论相互学习~A Multi-Variation Multifactorial Evolutionary Algorithm for Large-Scale Multi-Objective Optimization传送门摘要For solving large-scale multi-objective problems (LSMOPs),原创 2021-10-18 10:11:06 · 852 阅读 · 0 评论 -
论文研读-用于处理昂贵问题的广义多任务优化GMFEA
论文研读-用于处理昂贵问题的广义多任务优化GMFEAGeneralized Multitasking for Evolutionary Optimization of Expensive ProblemsGMFEA觉得有用的话,欢迎一起讨论相互学习~此篇文章为 J. Ding, C. Yang, Y. Jin, T. Chai, Generalized Multitasking for Evolutionary Optimization of Expensive Problems, IEEE原创 2021-09-26 14:11:48 · 741 阅读 · 1 评论 -
论文研读-基于线性领域适应的进化多任务LDA-MFEA
论文研读-基于线性领域适应的进化多任务LDA-MFEALinearized Domain Adaptation in Evolutionary MultitaskingLDA-MFEA觉得有用的话,欢迎一起讨论相互学习~此篇文章为 [1]K.K. Bali, A. Gupta, L. Feng, Y.S. Ong, Tan Puay Siew, Linearized domain adaptation in evolutionary multitasking, in: 2017 IEEE Con原创 2021-09-26 14:10:45 · 406 阅读 · 0 评论 -
【转载】降噪自动编码器
降噪自动编码器降噪自动编码器(Denoising Autoencoder)觉得有用的话,欢迎一起讨论相互学习~转载自:https://www.cnblogs.com/neopenx/p/4370350.html作者:Physcalの大魔導書感谢大佬,大佬的文章就是浅显易懂而NB起源:PCA、特征提取…随着一些奇怪的高维数据出现,比如图像、语音,传统的统计学-机器学习方法遇到了前所未有的挑战。数据维度过高,数据单调,噪声分布广,传统方法的“数值游戏”很难奏效。数据挖掘?已然挖不出有用的东转载 2021-09-25 21:52:34 · 1975 阅读 · 0 评论 -
论文研读-显式自编码器的进化多任务优化方法
论文研读-显式自编码器的进化多任务优化方法Evolutionary Multitasking via Explicit AutoencodingEMT-A/EMEA觉得有用的话,欢迎一起讨论相互学习~此篇文章为 L. Zhou, L. Feng, K.C. Tan, J. Zhong, Z. Zhu, K. Liu, C. Chen, Toward Adaptive Knowledge Transfer in Multifactorial Evolutionary Computation, IE原创 2021-09-25 21:39:12 · 1133 阅读 · 1 评论 -
论文研读-异构问题学习的自动编码进化搜索
论文研读-异构问题学习的自动编码进化搜索Autoencoding Evolutionary Search With Learning Across Heterogeneous Problems觉得有用的话,欢迎一起讨论相互学习~此篇文章为 L. Feng, Y.-S. Ong, S. Jiang, A. Gupta, Autoencoding Evolutionary Search With Learning Across Heterogeneous Problems, IEEE Trans. E原创 2021-09-24 21:38:56 · 1107 阅读 · 1 评论 -
论文研读-多因子进化算法中的自适应知识迁移MFEA-AKT
论文研读-多因子进化算法中的自适应知识迁移MFEA-AKTToward Adaptive Knowledge Transfer in Multifactorial Evolutionary Computation觉得有用的话,欢迎一起讨论相互学习~此篇文章为 [1]L. Zhou, L. Feng, K.C. Tan, J. Zhong, Z. Zhu, K. Liu, C. Chen, Toward Adaptive Knowledge Transfer in Multifactorial E原创 2021-09-22 16:07:47 · 1256 阅读 · 0 评论 -
论文研读-多目标多任务优化MOMFEA-II
论文研读-多目标多任务优化MOMFEA-IICognizant Multitasking in Multi-Objective Multifactorial Evolution: MO-MFEA-II觉得有用的话,欢迎一起讨论相互学习~此篇文章为 K.K. Bali, A. Gupta, Y.-S. Ong, P.S. Tan, Cognizant Multitasking in Multiobjective Multifactorial Evolution: MO-MFEA-II, IEEE T原创 2021-09-21 10:50:55 · 2638 阅读 · 4 评论 -
【转】标准化和归一化请勿混为一谈
【转】标准化和归一化请勿混为一谈觉得有用的话,欢迎一起讨论相互学习~版权声明:本文为CSDN博主「夏洛克江户川」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。原文链接:https://blog.csdn.net/weixin_36604953/article/details/102652160...转载 2021-09-09 14:12:48 · 209 阅读 · 0 评论 -
【转】关于数据的异常检测一篇就够了
关于数据的异常检测一篇就够了觉得有用的话,欢迎一起讨论相互学习~版权声明:本文为CSDN博主「携程技术中心」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。原文链接:https://blog.csdn.net/Nx2XJBUr4Jg8ef80l1K/article/details/89325127作者简介束开亮,携程大市场部BI团队,负责数据分析与挖掘。同济应用数学硕士,金融数学方向,法国统计学工程师,主修风险管理与金融工程。前言 制造厂商需要抽样检测流水线转载 2021-09-09 13:50:03 · 735 阅读 · 0 评论 -
【转】异常值处理
【转】什么样的值是异常值?觉得有用的话,欢迎一起讨论相互学习~版权声明:本文为CSDN博主「sljwy」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。原文链接:https://blog.csdn.net/sinat_23971513/article/details/114918790简单来说,即在数据集中存在不合理的值,又称离群点。我们举个例子,做客户分析,发现客户的年平均收入是80万美元。 但是,有两个客户的年收入是4美元和420万美元。 这两个客户的年收入转载 2021-09-09 13:39:19 · 360 阅读 · 0 评论 -
【转】一文读懂协方差和协方差矩阵
【转】浅谈协方差觉得有用的话,欢迎一起讨论相互学习~转载自:https://www.cnblogs.com/invisible2/p/11442777.html作者:invisible_man转载 2021-09-04 20:37:50 · 193 阅读 · 0 评论 -
【转】直观地理解协方差矩阵
【转】直观地理解协方差矩阵觉得有用的话,欢迎一起讨论相互学习~版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。本文链接:https://blog.csdn.net/a943368093/article/details/103765333需要说明的是,协方差矩阵中研究的样本是一个维度为n的多维向量,因此协方差矩阵一定是一个n*n的方阵...转载 2021-09-04 20:36:52 · 339 阅读 · 0 评论 -
【转】高斯分布函数的乘积与代码实现
【转】高斯分布函数的乘积与代码实现————————————————版权声明:本文为CSDN博主「棕熊的肚皮」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。原文链接:https://blog.csdn.net/u012836279/article/details/80036417觉得有用的话,欢迎一起讨论相互学习~注意,转载这篇文章的时候,根据已有的评论,需要注意的是,这说的是 两个高斯分布函数的乘积 ,而不是两个高斯分布的乘积,也不是两个满足高斯分布的数据乘转载 2021-08-18 20:36:27 · 256 阅读 · 0 评论 -
两个高斯函数方程的乘积
两个高斯函数方程的乘积觉得有用的话,欢迎一起讨论相互学习~来源:https://ccrma.stanford.edu/~jos/sasp/Product_Two_Gaussian_PDFs.html另一篇参考资料:[Products and Convolutions of Gaussian Probability Density Functions] http://www.lucamartino.altervista.org/2003-003.pdf...原创 2021-08-18 19:51:22 · 482 阅读 · 0 评论 -
【转】两个高斯分布函数乘积的理论推导
【转】两个高斯分布函数乘积的理论推导————————————————版权声明:本文为CSDN博主「chaosir」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。原文链接:https://blog.csdn.net/chaosir1991/article/details/106910668/觉得有用的话,欢迎一起讨论相互学习~注意,转载这篇文章的时候,根据已有的评论,需要注意的是,这说的是 两个高斯分布函数的乘积 ,而不是两个高斯分布的乘积,也不是两个满足高斯转载 2021-08-18 19:11:40 · 1625 阅读 · 0 评论 -
论文研读-基于种群分布的两阶段自适应知识迁移多目标进化多任务
论文研读-基于种群分布的两阶段自适应知识迁移多目标进化多任务Multiobjective Evolutionary Multitasking With Two-Stage Adaptive Knowledge Transfer Based on Population Distribution觉得有用的话,欢迎一起讨论相互学习~此篇文章为 Z. Liang, W. Liang, Z. Wang, X. Ma, L. Liu and Z. Zhu, "Multiobjective Evolutiona原创 2021-08-15 09:35:37 · 2730 阅读 · 3 评论 -
【转】浅谈协方差
【转】浅谈协方差觉得有用的话,欢迎一起讨论相互学习~转载自:http://pinkyjie.com/2010/08/31/covariance/作者:进击的马斯特协方差矩阵Matlab协方差矩阵转载 2021-08-12 18:02:59 · 120 阅读 · 0 评论 -
【转】EM算法MATLAB代码及详细注解
【转】EM算法MATLAB代码及详细注解版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。本文链接:https://blog.csdn.net/qq_23968185/article/details/70940197作者:鼹鼠的胡须觉得有用的话,欢迎一起讨论相互学习~下面代码为PRML所附的基于混合高斯(MoG)的代码,个人认为编码可读性和风格都值得借鉴。function [label, model, llh] = mixGaussEm(X转载 2021-08-11 12:52:47 · 1637 阅读 · 1 评论 -
【转】高斯混合模型
【转】高斯混合模型转载自:https://blog.csdn.net/u010089444/article/details/64921363作者:Joe-Han觉得有用的话,欢迎一起讨论相互学习~转载 2021-08-11 10:54:51 · 83 阅读 · 0 评论 -
【转】详解EM算法与混合高斯模型(Gaussian mixture model, GMM)
【转】详解EM算法与混合高斯模型(Gaussian mixture model, GMM)转载自:https://blog.csdn.net/lin_limin/article/details/81048411作者:林立民爱洗澡觉得有用的话,欢迎一起讨论相互学习~转载 2021-08-10 20:30:37 · 166 阅读 · 0 评论 -
【转】二维高斯分布(Two-dimensional Gaussian distribution)的参数分析
二维高斯分布(Two-dimensional Gaussian distribution)的参数分析转载自:https://blog.csdn.net/lin_limin/article/details/81024228觉得有用的话,欢迎一起讨论相互学习~1、多维高斯分布的概率密度函数2、均值和协方差矩阵对二维高斯分布的影响3. 总结...转载 2021-08-10 18:55:45 · 1334 阅读 · 0 评论 -
论文研读-多目标差分进化研究及应用-1 Review
论文研读-多目标差分进化研究及应用-1 Review觉得有用的话,欢迎一起讨论相互学习~此篇文章为 博士学位论文: 基于差分进化算法的多目标优化方法研究及其应用-徐斌 的论文学习笔记,只供学习使用,不作商业用途,侵权删除。并且本人学术功底有限如果有思路不正确的地方欢迎批评指正!也许这篇文章比较古老,不过作为一篇博士论文,引用的文章十分经典并且具有代表性,值得学习~1.4 差分进化算法是一种容易理解、结构简单、可调参数少、鲁棒性强的优化算法。和遗传算法一样,也属于进化算法的范畴。做为原创 2021-08-03 21:20:41 · 1093 阅读 · 0 评论