cxj666

摘要： 蚁群算法 ​ 蚁群算法由Marco Dorigo于1992年提出，该算法模拟了自然界中蚂蚁的觅食行为。蚂蚁在寻找食物源时，会在其经过的路径上释放一种信息素，并能够感知其他蚂蚁释放的信息素。信息素浓度的大小表征路径的远近，信息素浓度越高，表示对应的路径距离越短。通常蚂蚁会以较大的概率优先选择信息素浓度 阅读全文

摘要： ​ 在过去二十年里，进化约束多目标优化受到了广泛的关注和研究，并且已经提出了一些基准测试约束多目标进化算法(CMOEAs)。特别地，约束函数与目标函数值有紧密的联系，这使得约束特征太单调并且与真实世界的问题不同。因此，之前的CMOEAs不能特别好的解决现实问题，这些问题涉及多态或者非线性特征的决策空间约束。因此，我将介绍一个新的基准框架和设计一个合适的可伸缩的高维决策空间约束的新测试函数。具体来说，不同的高维约束函数和变量之间的复杂联系与现实特征都有紧密联系。在这个框架里，提供了许多的参数接口，以便用户可以比较容易地调整参数获得不同的函数，并且可以测试算法的性能。现已存在不同类型的CMOEAs被用来测试已经提出的测试函数，但是结果很容易陷入局部可行区域。因此我也会介绍一个基于多任务CMOEA去更好的处理这些问题，这个算法有一个新的搜索算法去提高种群的搜索能力。 阅读全文

摘要： 白鲸算法 ​ 白鲸算法(BWO)是一种新的元启发式算法，是一种基于群体的算法，其灵感来自于白鲸的行为，包括游泳，猎物和鲸落。在BWO的数学模型中构建了勘探，开发和鲸落阶段，并在开发阶段利用Levy飞行函数来提高BWO的收敛能力。 勘探阶段 ​ 由于BWO基于种群的机制，将白鲸作为搜索代理，每条白鲸都 阅读全文

摘要： 本文首次提出了多目标灰狼优化算法( Multi-Objective Grey Wolf Optimizer，MOGWO )来优化多目标问题。在GWO中集成一个固定大小的外部存档，用于保存和检索Pareto最优解。该档案被用来定义社会等级和模拟灰狼在多目标搜索空间中的狩猎行为。将所提方法在10个多目标基准问题上进行测试，并与两个著名的元启发式算法：基于分解的多目标进化算法( MOEA / D )和多目标粒子群算法( MOPSO )进行比较。定性和定量结果表明，所提出的算法能够提供非常有竞争力的结果，并优于其他算法。 阅读全文

摘要： 多目标优化快速入门 前言 ​ 多目标优化算法是一种用于同时考虑多个目标函数的优化算法。它与单目标优化算法的不同之处在于，多目标优化算法需要同时兼顾多个目标，并在保证每个目标的一定程度满足的前提下尽可能使得每个目标的满足程度都达到最优。多目标优化算法通常应有于解决冲突和复杂的优化问题。 ​ 例如，在数 阅读全文

摘要： 第一篇bolg，所以先学习了MarkDown的使用，共勉。 阅读全文