资 源 简 介
NSGA_2全，基于实数的例子，便于多目标的优化和带目标优化都可以。工程中经常会遇到多准则或多设计目标下的设计和决策问题,这些目标往往是相悖的,要找到满足这些目标的最佳设计方案,就要解决多目标和多约束的优化问题,传算法提供了一种求解复杂系统优化问题的通用框架,它不依赖于问题的领域和种类"对一个需要进行优化计算的实际应用问题,一般可以按照上述步骤来构造求解该问题的遗传算法"由上述步骤可以看出,构造遗传算法时需要考虑的两个主要问题是可行解的编码方法和遗传算子的设计,这也是设计遗传算法的两个关键步骤"
文 件 列 表
NSGA_All
crowding_distance.m
cskmeans.m
delete_not_pareto.m
epeval.m
fitness.m
genetic_operator.m
genetic_operator2.m
initialize_variables.m
ipeval.m
is_Parote.m
Jacob_myfun.m
k_meam_demo.m
learningpcapls.m
local_gradient_search.m
non_domination_sort_mod.m
nsga_2.asv
nsga_2.m
replace_chromosome.m
solution.txt
tournament_selection.m
