首页 | 本学科首页   官方微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  完全免费   3篇
  自动化技术   3篇
  2007年   2篇
  1997年   1篇
排序方式: 共有3条查询结果,搜索用时 15 毫秒
1
1.
多目标进化算法研究进展   总被引:19,自引:0,他引:19       下载免费PDF全文
郑向伟  刘弘 《计算机科学》2007,34(7):187-192
进化算法具有本质上并行、不需要求导或其他辅助知识、一次运行产生多个解和简单易于实现等优点,被视为求解多目标优化问题的有效方法,目前已经形成了各种不同的多目标进化算法(MOEA)。本文首先回顾了多目标进化算法的研究起源,给出了多目标优化问题的数学描述;其次,详细分析了第一代多目标进化算法,其主要特征是简单易于实现,包括NSGA、NPGA、MOGA等,并指出这一代算法研究的成绩与不足;然后,对第二代多目标进化算法作了全面分析,指出其特征是强调效率,以精英保留策略为实现机制,且对SPEA、PAES、NSGAⅡ、NPGA2、PESA、Micro-GA等方法进行分析比较,还对这一代的研究作了总结;最后,对多目标进化算法的研究趋势作了展望和预测。  相似文献
2.
迄今为止,已有许多介绍和比较OOA方法的工作,但缺少对OOA方法的目标的深入探析。有鉴于此,本文系统分析了一些OOA方法所声称的两个目标:(1)OOA达到需求分析的目标;(2)从OOA向OOD的过渡是自然的,从而指出许多OOA方法未能完成需求分析的全部任务,从OOA过渡的OOD也不象一皮方法所说的那样容 容易,同时讨论了从OOA过渡支OOD所存在的一些困难,也给出了实现的OOA顺利过渡到OOD的若干建  相似文献
3.
郑向伟  刘 弘 《软件学报》2007,18(Z1):109-119
在求解多目标优化问题时,微粒群优化算法有容易陷于局部极值、函数评价次数多和受到维数限制等不足之处.提出了一种基于合作型协同和ε-占优的多目标微粒群算法(cooperative coevolutionary and ε-dominancebased multi-objective particle swarm optimizer,简称CEPSO).依据决策变量分解问题,采用多个子群分别优化各个子问题,并在更新粒子位置时采用均匀分布变异算子防止微粒群早熟收敛;在保存非劣解时,使用<  相似文献
1
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号