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...
1、 关于nsgaii算法的研究 高小艳摘 要 遗传算法通过模拟生物自适应选择过程和自适应进化过程,通过不断迭代逼近最优解,可以将其用于求解高度复杂的非线性最优值问题,多目标遗传算法在优化多目标问题时具有良好的效果。本文在简单遗传算法的理论基础上,主要着重的介绍了nsga与nsga-ii算法,得出,改进后的算法时间开销有...
2、Zapotecas-Martínez等提出了一种基于分解的多目标粒子群优化算法(MOPSO)，并将ε约束方法融入其中求解...
关于NSGA II算法的研究 高小艳 摘要遗传算法通过模拟生物自适应选择过程和自适应进化过程,通过不断迭代逼近最优解,可以将其用于求解高度复杂的非线性最优值问题,多目标遗传算法在优化多目标问题时具有良好的效果。本文在简单遗传算法的理论基础上,主要着重的介绍了NSGA与NSGA-II算法,得出,改进后的算法时间开销有所降低...
过程和自适应进化过程,通过不断迭代逼近最优解,可以将其用于求解高度复杂的非线性最优值问题,多目标遗传算法在优化多目标问题时具有良好的效果.本文在简单遗传算法的理论基础上,主要着重的介绍了NSGA与NSGA-II算法,得出,改进后的算法时间开销有所降低,既保证了种群的多样性,同时引入拥挤距离排序机制使算法避免了预先...
遗传算法通过模拟生物自适应选择过程和自适应进化过程,通过不断迭代逼近最优解,可以将其用于求解高度复杂的非线性最优值问题,多目标遗传算法在优化多目标问题时具有良好的效果.本文在简单遗传算法的理论基础上,主要着重的介绍了NSGA与NSGA-II算法,得出,改进后的算法时间开销有所降低,既保证了种群的多样性,同时引入拥挤...
基于NSGA-II算法的激光熔覆单道成形工艺参数多目标优化 郭星星,帅美荣,王建梅,李亚杰,马承睿 2023,36(3):87-100 摘要: 激光熔覆参数设计和产品成形质量评估是多输入多输出耦合控制,但关于各参数权重配分以及多目标协同优化研究鲜有报道。设计 L1...
建立了基于条件似然下界搜索方法的高斯过程回归模型,并结合卡方检验对模型精度进行全局优化。其次,在模型达到精度后,以最大输出转矩为约束条件,通过NSGA-II算法求出Pareto前沿。最后,通过引入基于再插值模型的最大约束改进期望(CEI)优化方法,将约束优化问题转...
NSGA-II 算法,实现多目标决策优化, 一种翻译平台的稿件分析方法 并根据应用反馈信息持续迭代,满足产 2015103750273 能资源的优化配置。目前在中小客户业 多策略译员稿件自动匹配的方法 2012105948711 务的应用中已经实现 98%的自动流转 一种译员文档精确匹配的方法 ...
改进NSGA—II终止判断准则 在基于进化算法的多目标优化中,往往是通过设置最大进化代数来确 定算法何时终止.但是,如果最大进化代数设置太大,会增加许多不必要的计算量,设置太小可能得不到理想的... 蒋勇,李宏,焦永昌 - 《计算机仿真》 被引量: 55发表: 2009年 基于降精度求解准则的快速最优控制问题求解算法 动态...