MATLAB
文章平均质量分 79
IT猿手
这个作者很懒,什么都没留下…
展开
-
多目标优化算法(Multi-Objective Optimization Algorithms, MOOA)介绍
多目标优化问题是指需要同时最小化或最大化两个或两个以上的目标函数的问题。在这类问题中,通常不存在单一的解决方案可以同时最优地满足所有目标,而是存在一系列解决方案,这些解决方案在目标之间提供了不同的权衡,这被称为Pareto最优解集。原创 2024-09-18 21:07:09 · 591 阅读 · 0 评论 -
多旅行商问题:世界杯优化算法(World Cup Optimization,WCO)求解多仓库多旅行商问题MD-MTSP(提供Matlab代码)
世界杯优化算法(World Cup Optimization,WCO)由Navid Razmjooy等人于2016年提出,该算法模拟了国际足联世界杯比赛,思路新颖,收敛速度快,全局寻优能力强。参考文献:Navid Razmjooy et al.,原创 2024-09-18 20:54:52 · 188 阅读 · 0 评论 -
多旅行商问题:鹈鹕优化算法(Pelican Optimization Algorithm,POA)求解多仓库多旅行商问题MD-MTSP(提供Matlab代码)
鹈鹕优化算法(Pelican Optimization Algorithm,POA)由Pavel Trojovský和Mohammad Dehghani 于年提出,该算法模拟了鹈鹕在狩猎过程中的自然行为。鹈鹕很大,喙很长,喉咙里有一个大袋子,用来捕捉和吞咽猎物。这种鸟喜欢群体和社交生活,并以数百只鹈鹕为一组生活。鹈鹕的外观如下:它们的体重约为2.75至15公斤,高度约为1.06至1.83米,翼展约为0.5至3米。鹈鹕的食物主要由鱼类组成,更罕见的是青蛙,海龟和甲壳类动物;如果它非常饿,它甚至会吃海鲜。原创 2024-09-18 20:52:55 · 800 阅读 · 0 评论 -
多目标优化算法求解LSMOP(Large-Scale Multi-Objective Optimization Problem)测试集,MATLAB代码
研究人员还可能探讨如何提高算法在处理LSMOP问题时的效率和有效性,例如通过使用自动编码器进行降维,或者采用分而治之的策略来处理决策变量的分组。LSMOP测试集的应用不仅限于理论研究,它们还可以用于实际问题的建模和优化,如电力系统设计、投资组合优化、车辆路径规划等。LSMOP测试集的实现和使用通常需要专门的软件工具或库,如EvoX库,它提供了LSMOP测试集的实现和相关工具。研究人员可能会对LSMOP测试集进行改进或扩展,以更好地模拟现实世界问题,或者为了测试特定算法的性能。原创 2024-09-15 07:53:37 · 822 阅读 · 0 评论 -
遗传与进化计算会议(Genetic and Evolutionary Computation Conference,简称GECCO)多目标优化算法求解CEC2009(UF1-UF10)
它涵盖了遗传算法、遗传编程、蚁群优化和群体智能、复杂系统、进化组合优化和元启发式、进化机器学习、多目标优化、进化数值优化、神经进化、实际应用、基于搜索的软件工程、理论、混合算法等多个主题。这些测试函数的设计考虑了多种不同的数学特性,包括线性和非线性关系、平坦和尖锐的帕累托前沿、以及不同的搜索空间和目标维度。这些函数的目的是提供一个标准化的测试平台,以便于研究者可以公平地评估他们的算法在不同类型的多目标问题上的性能。原创 2024-09-11 18:58:02 · 544 阅读 · 0 评论 -
高性能多目标进化优化算法求解DTLZ1-DTLZ9,MATLAB代码
DTLZ问题集的主要特点是它们都有已知的Pareto前沿,这使得算法的性能可以通过精确的度量来评估。此外,DTLZ问题通常是可扩展的,即可以根据所需的目标函数数量和决策变量数量生成不同版本的问题。:具有凹面Pareto最优前沿的问题,它通过增加目标函数的复杂性来测试算法在处理更复杂问题时的性能。:最后一个问题,它具有高度复杂的Pareto最优前沿,用于测试算法在极端条件下的性能。:具有更复杂的Pareto最优前沿,用于测试算法在更复杂的多目标优化问题中的表现。原创 2024-09-10 19:22:24 · 549 阅读 · 0 评论 -
多目标优化算法求解WFG(Walking Fish Group)测试函数
WFG(Walking Fish Group)测试函数套件是一组用于多目标优化的基准测试问题,由Simon Huband, Luigi Barone, Lyndon While和Phil Hingston提出。这些测试问题旨在提供一个全面的测试平台,以评估多目标优化算法的性能。WFG测试集包含9个不同的可扩展多目标未约束问题,它们在目标和决策变量的数量上都是可扩展的。WFG测试集被广泛用于评估多目标优化算法的性能,特别是在处理具有挑战性的多峰、不可分和欺骗性问题时。原创 2024-09-10 19:03:57 · 601 阅读 · 0 评论 -
多目标优化算法求解UF1、UF2、UF3、UF4、UF5、UF6、UF7、UF8、UF9、UF10
测试函数应涵盖不同类型的目标函数,如线性、非线性、凸函数、凹函数等,以测试算法在不同情况下的表现。:设计的目标函数应具有不同的解空间复杂性,包括多模态性(多个局部最优解)、非凸性、高维性等。:测试函数应具有明确的数学定义和实现方式,以确保不同研究者和算法可以在相同的条件下进行比较。:测试函数应能够轻松扩展到不同数量的目标和变量,以测试算法在不同规模问题上的表现。:测试函数应具有明确的全局最优解和局部最优解,以便于评估算法的收敛性和搜索能力。:测试函数的计算成本应适中,以确保算法可以在合理的时间内评估。原创 2024-09-09 21:46:46 · 529 阅读 · 0 评论 -
高性能多目标进化优化算法求解14个多目标测试函数(ZDT1、ZDT2、ZDT3、ZDT4、ZDT6、DTLZ1-DTLZ9),MATLAB代码
ZDT2函数也是一个双目标优化函数,它具有一个全局最优解和一个局部最优解。ZDT1函数是一个双目标优化函数,它具有一个全局最优解和一个局部最优解。ZDT3函数是一个双目标优化函数,它具有一个全局最优解和一个局部最优解。ZDT4函数是一个双目标优化函数,它具有一个全局最优解和一个局部最优解。ZDT6函数是一个双目标优化函数,它具有一个全局最优解和一个局部最优解。ZDT1函数的全局最优解是。ZDT2函数的全局最优解是。ZDT3函数的全局最优解是。ZDT4函数的全局最优解是。ZDT6函数的全局最优解是。原创 2024-09-09 21:02:49 · 1110 阅读 · 0 评论 -
多目标优化算法求解36个多目标测试函数(ZDT1、ZDT2、ZDT3、ZDT4、ZDT6、DTLZ1-DTLZ9、WFG1-WFG9、UF1-UF10、LSMOP1-LSMOP3)
36个多目标测试函数(ZDT1、ZDT2、ZDT3、ZDT4、ZDT6、DTLZ1-DTLZ9、WFG1-WFG9、UF1-UF10、LSMOP1-LSMOP3)是专门为了测试和比较不同多目标优化算法的性能而设计的。原创 2024-09-09 19:51:18 · 666 阅读 · 0 评论 -
五种多目标优化算法(MOPSO、SPEA2、MOAHA、NSGA3、MOGOA)性能对比,包含47个多目标测试函数,6种评价指标,MATLAB代码
NSGA-III是Deb在2013年提出的,用于解决高维多目标优化问题。它采用参考点基于的非支配排序方法,并引入了种群的自适应标准化和关联操作,以提高算法在高维问题上的性能和多样性。MOPSO是一种基于粒子群优化(PSO)的多目标优化算法。它通过引入领导粒子的选择机制和粒子的多样性保持策略来解决多目标问题。MOPSO能够同时逼近Pareto最优前沿,并保持了解的多样性。原创 2024-08-28 21:42:54 · 1397 阅读 · 0 评论 -
五种多目标优化算法(SPEA2、MOAHA、NSGA2、NSGA3、MOGOA)性能对比,包含47个多目标测试函数,6种评价指标,MATLAB代码
NSGA-III是Deb在2013年提出的,用于解决高维多目标优化问题。它采用参考点基于的非支配排序方法,并引入了种群的自适应标准化和关联操作,以提高算法在高维问题上的性能和多样性。NSGA-II由Deb等人在1992年提出,是一种经典的多目标优化算法。它使用非支配排序和拥挤度计算来维持种群多样性。NSGA-II在处理最多三个目标的问题时表现良好,但对于高维多目标问题,其性能可能会下降。原创 2024-08-28 21:27:32 · 1006 阅读 · 0 评论 -
五种多目标优化算法(MOAHA、NSGA2、NSGA3、SPEA2、MODA)性能对比,包含47个多目标测试函数,6种评价指标,MATLAB代码
NSGA-III是Deb在2013年提出的,用于解决高维多目标优化问题。它采用参考点基于的非支配排序方法,并引入了种群的自适应标准化和关联操作,以提高算法在高维问题上的性能和多样性。NSGA-II由Deb等人在1992年提出,是一种经典的多目标优化算法。它使用非支配排序和拥挤度计算来维持种群多样性。NSGA-II在处理最多三个目标的问题时表现良好,但对于高维多目标问题,其性能可能会下降。原创 2024-08-27 12:04:07 · 1444 阅读 · 0 评论 -
五种多目标优化算法(NSGA2、NSGA3、SPEA2、MOMA、MODA)性能对比,包含47个多目标测试函数,6种评价指标,MATLAB代码
NSGA-III是Deb在2013年提出的,用于解决高维多目标优化问题。它采用参考点基于的非支配排序方法,并引入了种群的自适应标准化和关联操作,以提高算法在高维问题上的性能和多样性。NSGA-II由Deb等人在1992年提出,是一种经典的多目标优化算法。它使用非支配排序和拥挤度计算来维持种群多样性。NSGA-II在处理最多三个目标的问题时表现良好,但对于高维多目标问题,其性能可能会下降。原创 2024-08-27 11:46:54 · 1157 阅读 · 0 评论 -
五种多目标优化算法(NSGA3、SPEA2、MOMA、MODA、MOGOA)性能对比,包含47个多目标测试函数,6种评价指标,MATLAB代码
NSGA-III是Deb在2013年提出的,用于解决高维多目标优化问题。它采用参考点基于的非支配排序方法,并引入了种群的自适应标准化和关联操作,以提高算法在高维问题上的性能和多样性。多目标蝗虫优化算法(MOGOA)是一种模拟蝗虫群体行为的元启发式算法,它通过模拟蝗虫的迁移和觅食行为来解决多目标优化问题。MOGOA将这些行为转化为搜索策略,以在多维目标空间中寻找最优解集。该算法在多目标优化中使用Pareto支配关系来评估解的优劣,并采用非支配排序和拥挤度计算来维持解的多样性和分布。原创 2024-08-27 08:48:38 · 827 阅读 · 0 评论 -
五种多目标优化算法(SPEA2、MOMA、MODA、MOGOA、MOGWO)性能对比,包含47个多目标测试函数,6种评价指标,MATLAB代码
MOGWO是由Mirjalili等人在2016年提出的,基于灰狼优化算法(GWO)的多目标版本。它引入了存档机制和改进的头狼选择方式,以处理多目标问题中的Pareto最优解。MOGWO通过在优化过程中存储和检索最合适的非支配解,并采用轮盘赌的方式从存档中选择头狼,以保持种群多样性并提高算法性能。多目标蝗虫优化算法(MOGOA)是一种模拟蝗虫群体行为的元启发式算法,它通过模拟蝗虫的迁移和觅食行为来解决多目标优化问题。MOGOA将这些行为转化为搜索策略,以在多维目标空间中寻找最优解集。原创 2024-08-26 20:22:26 · 677 阅读 · 0 评论 -
五种多目标优化算法(MOMA、MODA、MOPSO、MOGWO、NSGA2)性能对比,包含47个多目标测试函数,6种评价指标,MATLAB代码
MOGWO是由Mirjalili等人在2016年提出的,基于灰狼优化算法(GWO)的多目标版本。它引入了存档机制和改进的头狼选择方式,以处理多目标问题中的Pareto最优解。MOGWO通过在优化过程中存储和检索最合适的非支配解,并采用轮盘赌的方式从存档中选择头狼,以保持种群多样性并提高算法性能。MOPSO是一种基于粒子群优化(PSO)的多目标优化算法。它通过引入领导粒子的选择机制和粒子的多样性保持策略来解决多目标问题。MOPSO能够同时逼近Pareto最优前沿,并保持了解的多样性。原创 2024-08-26 20:06:44 · 756 阅读 · 0 评论 -
五种多目标优化算法(MODA、NSGA3、MOPSO、MOGWO、NSGA2)性能对比,包含47个多目标测试函数,6种评价指标,MATLAB代码
MOGWO是由Mirjalili等人在2016年提出的,基于灰狼优化算法(GWO)的多目标版本。它引入了存档机制和改进的头狼选择方式,以处理多目标问题中的Pareto最优解。MOGWO通过在优化过程中存储和检索最合适的非支配解,并采用轮盘赌的方式从存档中选择头狼,以保持种群多样性并提高算法性能。MOPSO是一种基于粒子群优化(PSO)的多目标优化算法。它通过引入领导粒子的选择机制和粒子的多样性保持策略来解决多目标问题。MOPSO能够同时逼近Pareto最优前沿,并保持了解的多样性。原创 2024-08-26 19:49:57 · 1007 阅读 · 0 评论 -
五种多目标优化算法(NSGA3、MOPSO、MOGWO、NGSA2、SPEA2)性能对比,包含47个多目标测试函数,6种评价指标,MATLAB代码
MOGWO是由Mirjalili等人在2016年提出的,基于灰狼优化算法(GWO)的多目标版本。它引入了存档机制和改进的头狼选择方式,以处理多目标问题中的Pareto最优解。MOGWO通过在优化过程中存储和检索最合适的非支配解,并采用轮盘赌的方式从存档中选择头狼,以保持种群多样性并提高算法性能。MOPSO是一种基于粒子群优化(PSO)的多目标优化算法。它通过引入领导粒子的选择机制和粒子的多样性保持策略来解决多目标问题。MOPSO能够同时逼近Pareto最优前沿,并保持了解的多样性。原创 2024-08-26 19:30:10 · 876 阅读 · 0 评论 -
基于聚类的特殊拥挤距离 (CSCD)的多模态多目标差分进化算法(MMO-DE-CSCD)求解无人机三维路径规划(MATLAB代码)
基于聚类技术的差分进化算法(MMODE-CSCD)在解决多模式多目标优化问题(MMOPs)上效果显著。问题定义:MMOPs 是指在目标空间中具有相同或相似Pareto最优前沿,而在决策空间中存在多个Pareto最优解集的问题。解决这类问题需要优化算法能够定位多个Pareto集(PSs)。算法设计:MMO-DE-CSCD算法设计了一种基于聚类的特殊拥挤距离(CSCD)方法,用于在决策和目标空间中计算解的综合拥挤度。原创 2024-08-25 17:10:14 · 1065 阅读 · 0 评论 -
吸血水蛭优化器(Blood-Sucking Leech Optimizer,BSLO)优化RBF神经网络的扩散速度实现多数入多输出数据预测,可以更改数据集(MATLAB代码)
吸血水蛭优化器(Blood-Sucking Leech Optimizer,BSLO)是2024年提出的一种智能优化算法,该算法模拟了水蛭的探索、定向水蛭的利用、定向水蛭的切换机制、无方向水蛭的搜索策略和重新跟踪策略。参考文献:原文链接:https://blog.csdn.net/2401_82411023/article/details/139967835径向基函数(Radial Basis Function, RBF)神经网络是一种前馈型人工神经网络,它使用径向基函数作为激活函数来处理输入数据。原创 2024-08-23 19:48:54 · 1137 阅读 · 0 评论 -
斑翠鸟优化算法(Pied Kingfisher Optimizer ,PKO)优化RBF神经网络的扩散速度实现多数入多输出数据预测,可以更改数据集(MATLAB代码)
斑翠鸟优化算法(Pied Kingfisher Optimizer ,PKO),是由Abdelazim Hussien于2024年提出的一种基于群体的新型元启发式算法,它从自然界中观察到的斑翠鸟独特的狩猎行为和共生关系中汲取灵感。PKO 算法围绕三个不同的阶段构建:栖息/悬停猎物(探索/多样化)、潜水寻找猎物(开发/集约化)和培养共生关系。这些行为方面被转化为数学模型,能够有效地解决不同搜索空间中的各种优化挑战。原创 2024-08-23 19:34:44 · 615 阅读 · 0 评论 -
波搜索算法(Wave Search Algorithm, WSA)优化RBF神经网络的扩散速度实现多数入多输出数据预测,可以更改数据集(MATLAB代码)
波搜索算法(Wave Search Algorithm, WSA)由 Zhang Haobin等人于2024年提出,其受雷达技术启发所得,采用了新颖的初始化方法和边界限制规则,各种改进的贪婪机制和待优化问题的梯度信息,算法性能优越。参考文献原文链接:https://blog.csdn.net/weixin_46204734/article/details/139335359。原创 2024-08-22 18:30:31 · 1111 阅读 · 0 评论 -
鹅优化算法(GOOSE Algorithm,GOOSE)优化RBF神经网络的扩散速度实现多数入多输出数据预测,可以更改数据集(MATLAB代码)
鹅优化算法(GOOSE Algorithm,GOOSE)是2024年提出的一种智能优化算法,该算法从鹅的休息和觅食行为获得灵感,当鹅听到任何奇怪的声音或动作时,它们会发出响亮的声音来唤醒群中的个体,并保证它们的安全。参考文献原文链接:https://blog.csdn.net/weixin_46204734/article/details/139967699径向基函数(Radial Basis Function, RBF)神经网络是一种前馈型人工神经网络,它使用径向基函数作为激活函数来处理输入数据。原创 2024-08-22 18:10:08 · 807 阅读 · 0 评论 -
大甘蔗鼠算法(Greater Cane Rat Algorithm,GCRA)优化RBF神经网络的扩散速度实现多数入多输出数据预测,可以更改数据集(MATLAB代码)
大甘蔗鼠算法(Greater Cane Rat Algorithm,GCRA)由Jeffrey O. Agushaka等人于2024年提出,该算法模拟大甘蔗鼠的智能觅食行为。参考文献径向基函数(Radial Basis Function, RBF)神经网络是一种前馈型人工神经网络,它使用径向基函数作为激活函数来处理输入数据。RBF网络以其出色的函数逼近能力而闻名,能够对非线性问题进行建模和解决,广泛应用于分类、回归、模式识别和时间序列预测等领域。原创 2024-08-22 17:59:47 · 886 阅读 · 0 评论 -
鹭鹰优化算法SBOA优化RBF神经网络的扩散速度实现多数入多输出数据预测,可以更改数据集(MATLAB代码)
鹭鹰优化算法(Secretary Bird Optimization Algorithm, SBOA)是一种新型的元启发式算法,它于2024年4月由Youfa Fu等人提出,并发表在SCI人工智能二区顶刊《Artificial Intelligence Review》上。该算法的灵感来源于鹭鹰在自然环境中的生存行为,特别是它们捕食蛇和逃避捕食者的行为。SBOA算法分为两个主要阶段:探索阶段和开发阶段。探索阶段模拟鹭鹰捕食蛇,包括寻找猎物、消耗猎物和攻击猎物的过程。原创 2024-08-21 21:39:57 · 987 阅读 · 0 评论 -
蛇优化算法(Snake Optimization, SO)优化RBF神经网络的扩散速度实现多数入多输出数据预测,可以更改数据集(MATLAB代码)
RBF神经网络的扩散速度通常与它的径向基函数的宽度参数(σ)有关,这个参数控制了函数的径向作用范围。在高斯核函数中,当σ值较大时,函数的扩散速度较快,即它的影响范围更广,对输入数据的局部变化不太敏感;而σ值较小时,函数的扩散速度较慢,影响范围较小,对输入数据的局部变化更加敏感。RBF神经网络通过使用高斯函数作为隐含层激活函数,实现了从低维空间到高维空间的非线性映射。这种映射是非线性的,而网络输出对可调参数(权重)是线性的,因此可以通过线性方程组直接解出权重,从而加快学习速度并避免局部极小问题。原创 2024-08-21 21:19:20 · 497 阅读 · 0 评论 -
(二)基于自组织结构的多目标粒子群优化算法(SMOPSO)的无人机三维路径规划(MATLAB代码)
基于自组织的多目标粒子群优化器(Self-organizing Multi-objective Particle Swarm Optimization Algorithm,SMOPSO)算法原理参考文献如下:参考文献:。原创 2024-08-16 20:00:16 · 550 阅读 · 0 评论 -
(一)基于自组织结构的多目标粒子群优化算法(SMOPSO)的无人机三维路径规划(MATLAB代码)
基于自组织的多目标粒子群优化器(Self-organizing Multi-objective Particle Swarm Optimization Algorithm,SMOPSO)算法原理参考文献如下:参考文献:。原创 2024-08-16 19:56:24 · 1094 阅读 · 0 评论 -
基于自组织的多目标粒子群优化算法(SMOPSO)求解无人机三维路径规划(MATLAB代码)
基于自组织的多目标粒子群优化器(Self-organizing Multi-objective Particle Swarm Optimization Algorithm,SMOPSO)算法原理参考文献如下:参考文献:。原创 2024-08-15 19:20:26 · 697 阅读 · 0 评论 -
基于多目标蜉蝣算法(MOMA)求解无人机三维路径规划(MATLAB代码)
多目标蜉蝣算法(multi-objective mayfly algorithm,MOMA)是一种模拟蜉蝣群体行为的元启发式优化算法,用于解决多目标优化问题。它通过模拟蜉蝣在寻找食物和繁殖地时的飞行和集群行为,来优化搜索策略。MOMA算法的主要步骤包括初始化种群、计算适应度值、更新位置和速度、个体间的交流和聚集,以及判断终止条件。参考文献:。原创 2024-08-10 23:52:29 · 1001 阅读 · 0 评论 -
基于多目标蜉蝣算法(multi-objective mayfly algorithm,MOMA)求解无人机三维路径规划(MATLAB代码)
多目标蜉蝣算法(multi-objective mayfly algorithm,MOMA)是一种模拟蜉蝣群体行为的元启发式优化算法,用于解决多目标优化问题。它通过模拟蜉蝣在寻找食物和繁殖地时的飞行和集群行为,来优化搜索策略。MOMA算法的主要步骤包括初始化种群、计算适应度值、更新位置和速度、个体间的交流和聚集,以及判断终止条件。参考文献:。原创 2024-08-09 23:25:33 · 725 阅读 · 0 评论 -
五种多目标算法(MOGOA、MOMA、MODA、MOPSO、NSGA2)性能对比(MATLAB代码)
MOGOA:多目标蝗虫优化算法MOMA:多目标蜉蝣算法MODA:多目标蜻蜓算法MOPSO:多目标粒子群优化算法NSGA2:非支配排序遗传算法II这些算法都是针对多目标优化问题设计的元启发式算法,每种算法都有其独特的特点和搜索策略。这是一种模拟蝗虫群体行为的算法,可能包括蝗虫的迁移和觅食行为。它将这些行为转化为搜索策略,以在多维目标空间中寻找最优解。蜉蝣算法是一种相对较新的算法,受到蜉蝣生命周期短、活动迅速的特性启发。该算法可能采用快速搜索策略,以在短时间内探索大范围的解空间。原创 2024-08-04 17:59:03 · 1033 阅读 · 0 评论 -
基于多目标蚱蜢优化算法(Multi-Objective Grasshopper Optimization Algorithm,MOGOA)求解无人机三维路径规划(MATLAB代码)
多目标蚱蜢优化算法(Multi-Objective Grasshopper Optimization Algorithm,MOGOA)是一种基于自然界蚱蜢行为的元启发式算法,旨在解决具有多个冲突目标的优化问题。这种算法模仿了蚱蜢在寻找食物和避免捕食者时的社会行为。原创 2024-08-04 17:21:08 · 1162 阅读 · 0 评论 -
基于多目标蜻蜓优化算法(MODA)求解无人机三维路径规划(MATLAB代码)
多目标蜻蜓算法(Multi-Objective Dragonfly Algorithm,MODA)是一种基于自然界蜻蜓行为的元启发式优化算法,用于解决具有多个冲突目标的优化问题。原创 2024-08-04 16:52:32 · 1262 阅读 · 0 评论 -
基于环形拓扑的多目标粒子群优化算法(MO_Ring_PSO_SCD)求解无人机三维路径规划(MATLAB代码)
基于环形拓扑的多目标粒子群优化算法(A Multi-objective Particle Swarm Optimizer Using Ring Topology,MO_Ring_PSO_SCD)是一种为解决多模态多目标优化问题而设计的粒子群优化算法。原创 2024-08-03 13:33:36 · 1205 阅读 · 0 评论 -
基于双存档模型的多模态多目标进化算法(MMOHEA)求解无人机三维路径规划(MATLAB代码)
基于双存档模型的多模态多目标进化算法(Two-Archive model based evolutionary algorithm for multimodal multi-objective optimization problems,MMOHEA)是一种为解决多模态多目标优化问题(MMOPs)而设计的算法。原创 2024-08-03 12:43:02 · 1250 阅读 · 0 评论 -
基于改进拥挤距离的多模态多目标优化差分进化(MMODE-ICD)求解无人机三维路径规划(MATLAB代码)
基于改进拥挤距离的多模态多目标优化差分进化(Differential Evolution Using Improved Crowding Distance for Multimodal Multiobjective Optimization,MMODE-ICD)是一种多模态多目标优化算法。在多目标优化问题中,通常假设决策空间和目标空间之间存在一一映射关系,但并非总是如此。在某些问题中,不同的变量可能具有相同或相似的目标值,这意味着存在多对一的映射。原创 2024-08-03 12:07:28 · 1150 阅读 · 0 评论 -
自组织多模态多目标鸽群优化算法MMOPIO求解无人机三维路径规划(MATLAB代码)
自组织多模态多目标鸽群优化算法(Self-Organizing Multimodal Multiobjective Pigeon-Inspired Optimization Algorithm, MMOPIO)原理详细见下文:自组织多模态多目标鸽群优化算法(MMOPIO)是一种新颖的多目标优化算法,它通过设计特定机制来改善决策空间中解的分布。原创 2024-08-03 00:35:29 · 691 阅读 · 0 评论 -
基于自组织分群的多目标粒子群优化算法(SS-MOPSO)求解无人机三维路径规划(MATLAB代码)
基于自组织分群的多目标粒子群优化器(self-organized speciation based multi-objective particle swarm optimizer,SS-MOPSO)算法原理参考文献如下:算法流程初始化:初始化粒子群,随机分配粒子在搜索空间中的位置和速度。评估:评估每个粒子的适应度,确定其在目标空间中的位置。分群:根据粒子的适应度和位置,使用自组织机制将粒子分入不同的生态位或子种群。更新:粒子根据自身经验、种群经验以及生态位内的引导,更新位置和速度。原创 2024-08-03 00:02:14 · 1020 阅读 · 0 评论