已閱讀1頁,還剩68頁未讀, 繼續(xù)免費閱讀
版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領
文檔簡介
1、近些年來,多目標進化算法的研究逐漸成為進化計算研究領域的一個重要內(nèi)容。拉馬克學習理論,從文化進化的理論層次,提供了一種解決問題的新思路。當前,拉馬克學習理論已被引入進化計算,能有效提高其局部搜索能力,逐步發(fā)展成為進化計算的新熱點——密母計算,這為求解多目標優(yōu)化問題提供了一條嶄新的道路。
本文首先回顧多目標優(yōu)化的相關背景。隨后,介紹多目標優(yōu)化的基本概念和經(jīng)典算法。在此基礎上詳細介紹非支配近鄰免疫算法和拉馬克理論。
2、 第三章中通過將拉馬克學習和動態(tài)小生境技術引入非支配近鄰免疫算法,構造了一種求解多目標問題的新方法——基于拉馬克學習的非支配近鄰免疫算法。在算法運行后期加入局部搜索策略,不但加速算法的收斂,而且減少評價次數(shù)。小生境技術的引入提高種群多樣性。
第四章中通過將拉馬克學習和切比雪夫分解方法引入非支配近鄰免疫算法,構造了一種求解多目標問題的新方法——多目標拉馬克免疫算法。在非支配近鄰免疫算法的比例克隆后加入局部搜索策略,不但繼承
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于PSO的多目標優(yōu)化算法研究及應用.pdf
- 基于進化算法的多目標優(yōu)化算法及應用研究.pdf
- 基于群智能的魯棒多目標優(yōu)化方法及應用.pdf
- 基于全局優(yōu)化和局部學習的進化多目標優(yōu)化算法.pdf
- 基于粒子群優(yōu)化算法的動態(tài)多目標優(yōu)化算法研究及應用.pdf
- 基于多目標優(yōu)化的話務調(diào)度算法研究及應用.pdf
- 基于粒子群和免疫優(yōu)化的多目標聚類及應用.pdf
- 基于DE和NSGA-Ⅱ的進化多目標優(yōu)化算法及應用.pdf
- 基于強化學習算法的發(fā)酵過程多目標優(yōu)化.pdf
- 40610.基于改進粒子群算法的多目標優(yōu)化及應用
- 基于多目標優(yōu)化的聚類算法及其應用.pdf
- 基于快速排序的多目標粒子群優(yōu)化算法的研究及應用.pdf
- 改進的多目標優(yōu)化遺傳算法及多目標優(yōu)化軟件的研制.pdf
- 基于免疫進化的多目標優(yōu)化及其應用研究.pdf
- 基于多目標優(yōu)化的社團發(fā)現(xiàn)及系統(tǒng)實現(xiàn).pdf
- 多目標粒子群優(yōu)化算法的研究及應用.pdf
- 基于QPSO算法求解多目標優(yōu)化問題及其應用.pdf
- 多目標優(yōu)化進化算法及應用研究.pdf
- 基于工程估算的多目標優(yōu)化.pdf
- 22768.基于梯度信息的多目標優(yōu)化算法及應用研究
評論
0/150
提交評論