To get the pareto set from a given set of points
標(biāo)簽: set pareto points given
上傳時(shí)間: 2013-12-11
上傳用戶:410805624
由于演化算法求解多目標(biāo)優(yōu)化問題所得結(jié)果是一個(gè)優(yōu)化解集———pareto最優(yōu)集,而現(xiàn)有的演化算法收 斂性分析只適合針對單目標(biāo)優(yōu)化問題的單個(gè)最優(yōu)解。利用有限馬爾科夫鏈給出了演化算法求解多目標(biāo)優(yōu)化問 題的收斂性分析框架,并給出了一個(gè)分析實(shí)例
標(biāo)簽: pareto 算法 多目標(biāo)優(yōu)化 分
上傳時(shí)間: 2013-12-20
上傳用戶:diets
摘 由于演化算法求解多目標(biāo)優(yōu)化問題所得結(jié)果是一個(gè)優(yōu)化解集———pareto最優(yōu)集,而現(xiàn)有的演化算法收 斂性分析只適合針對單目標(biāo)優(yōu)化問題的單個(gè)最優(yōu)解。利用有限馬爾科夫鏈給出了演化算法求解多目標(biāo)優(yōu)化問 題的收斂性分析框架,并給出了一個(gè)分析實(shí)例
標(biāo)簽: pareto 算法 多目標(biāo)優(yōu)化 分
上傳時(shí)間: 2014-01-15
上傳用戶:lizhizheng88
摘 由于演化算法求解多目標(biāo)優(yōu)化問題所得結(jié)果是一個(gè)優(yōu)化解集———pareto最優(yōu)集,而現(xiàn)有的演化算法收 斂性分析只適合針對單目標(biāo)優(yōu)化問題的單個(gè)最優(yōu)解。利用有限馬爾科夫鏈給出了演化算法求解多目標(biāo)優(yōu)化問 題的收斂性分析框架,并給出了一個(gè)分析實(shí)例
標(biāo)簽: pareto 算法 多目標(biāo)優(yōu)化 分
上傳時(shí)間: 2014-01-25
上傳用戶:ardager
針對無線傳感器網(wǎng)絡(luò)的節(jié)點(diǎn)能量有限,且在進(jìn)行信息傳輸時(shí)存在數(shù)據(jù)沖突、傳輸延時(shí)等問題,提出并設(shè)計(jì)了基于最大生存周期的無線傳感器網(wǎng)絡(luò)數(shù)據(jù)融合算法。該算法將整個(gè)網(wǎng)絡(luò)中的節(jié)點(diǎn)分成多個(gè)簇,并根據(jù)節(jié)點(diǎn)的傳輸范圍,將每個(gè)簇中的節(jié)點(diǎn)均勻分布,每個(gè)節(jié)點(diǎn)根據(jù)自己的本地信息和剩余能量選擇通信方式向簇頭節(jié)點(diǎn)傳輸數(shù)據(jù),從而形成傳輸數(shù)據(jù)的最短路徑;并根據(jù)集中式TDMA(時(shí)分多址)調(diào)度模型,運(yùn)用基于微粒群的pareto優(yōu)化方法,使得網(wǎng)絡(luò)在完成規(guī)定的信息傳輸時(shí)每個(gè)節(jié)點(diǎn)耗費(fèi)的平均時(shí)隙和平均能耗最優(yōu)。仿真結(jié)果表明,上述算法不但可以最大化網(wǎng)絡(luò)的生存時(shí)間,還可以有效的降低數(shù)據(jù)融合時(shí)間,減少網(wǎng)絡(luò)延時(shí)。
標(biāo)簽: 低能耗 時(shí)延 無線傳感器 網(wǎng)絡(luò)數(shù)據(jù)
上傳時(shí)間: 2014-12-29
上傳用戶:看到了沒有
為了有效地應(yīng)用遺傳算法解決 魯棒控制系統(tǒng)設(shè)計(jì)問題,將遺傳算法與局部優(yōu)化方法相結(jié)合,提出了基于降維掃描方法的自適應(yīng)多目標(biāo)遺傳算法(DRSA-MOGA)。通過引入適應(yīng)度函數(shù)標(biāo)準(zhǔn)化方法、基于最優(yōu)pareto解集搜索的降維掃描方法和適應(yīng)度函數(shù)自適應(yīng)調(diào)整方法,提高了算法的全局優(yōu)化性能和局部搜索能力。仿真結(jié)果表明,DRSA-MOGA算法在不損失解的均勻度的情況下可以達(dá)到很高的逼近度
標(biāo)簽: 算法 魯棒控制 設(shè)計(jì)問題
上傳時(shí)間: 2014-01-22
上傳用戶:13681659100
現(xiàn)有的PID參數(shù)優(yōu)化方法往往難以同時(shí)兼顧系統(tǒng)對快速性、穩(wěn)定性與魯棒性的要求,本文針對這一缺陷,提出了一種多目標(biāo)PID優(yōu)化設(shè)計(jì)方法——在滿足系統(tǒng)的魯棒性的前提下,以超調(diào)量、上升時(shí)間和調(diào)整時(shí)間最小作為多目標(biāo)優(yōu)化的子目標(biāo),并將NSGA-Ⅱ與PGA相結(jié)合對其求解。該算法求得的pareto最優(yōu)解分布均勻,收斂性和魯棒性好,決策者可根據(jù)實(shí)際系統(tǒng)的要求在pareto解集中選擇最終的滿意解,這為快速性、穩(wěn)定性與魯棒性的權(quán)衡分析提供了有效的工具。仿真結(jié)果表明本文設(shè)計(jì)方法的有效性和優(yōu)越性。
標(biāo)簽: PID 參數(shù)優(yōu)化 穩(wěn)定性
上傳時(shí)間: 2013-12-23
上傳用戶:wys0120
遺傳算法在曲線多邊形近似中的應(yīng)用 在平面數(shù)字曲線的多邊形近似中, 為克服頂點(diǎn)的檢測只依靠局部區(qū)域、缺乏全局信息的弱點(diǎn), 文中把多邊 形近似問題作為尋找在滿足一定的近似誤差條件下使頂點(diǎn)數(shù)最少、或者使頂點(diǎn)數(shù)和近似誤差都盡可能少的最優(yōu)化 問題來處理. 為了能夠處理點(diǎn)數(shù)較多的曲線, 文中采用遺傳算法和基于pareto 最優(yōu)解的改進(jìn)遺傳算法來求近似最 優(yōu)解. 和一些經(jīng)典算法的實(shí)驗(yàn)比較表明, 文中算法與只依靠曲線局部特性的一類算法相比, 在近似的保真性和效率 上有明顯的改進(jìn), 同時(shí)又比準(zhǔn)確尋優(yōu)一類的算法如動(dòng)態(tài)規(guī)劃等有大幅度的時(shí)間節(jié)省.
標(biāo)簽: 算法 中的應(yīng)用 數(shù)字 局部
上傳時(shí)間: 2013-12-30
上傳用戶:lepoke
遺傳算法中的NSGA2算法實(shí)現(xiàn),解決多目標(biāo)遺傳算法求解pareto近似解,具有很好的運(yùn)行效果
上傳時(shí)間: 2014-01-10
上傳用戶:yzhl1988
matlab繪制pareto前沿,并且附帶C文件以及編譯好的mex文件
上傳時(shí)間: 2016-01-18
上傳用戶:chenwudebin
蟲蟲下載站版權(quán)所有 京ICP備2021023401號-1