ε支配相关论文
现实世界中存在着许多多目标优化问题(MOP),传统的规划算法不能很好求解这些问题。而多目标遗传算法(MOGA)擅长于求解高度复杂的多......
多目标进化算法(MOEAs)已经成为目前现实世界里解决优化问题的一个很重要的工具。而现今流行的多目标进化算法中大多是基于Pareto......
无论在科学研究还是在实际应用中，许多问题都可归结为多目标优化问题，因此，多目标优化问题的研究越来越受到人们的广泛关注。进化算法......
多目标优化的目标之一就是能快速的获得Pareto优化解，而人工免疫系统能通过促进或抑制抗体的产生，来控制个体选择。在算法MISA中使用......
多目标遗传算法（MOGA）大体上可以分为两个步骤：构造非支配集和保持解分布度。而ε支配能将两者有机地结合起来．具有良好的时间效率及分......
网格方法被多个进化算法用来保持解集的分布性。基于ε支配概念的ε-MOEA本质上也是基于网格策略的。虽然ε-MOEA通常情况下都能在......
目标维数较高的多目标优化问题的难题在于非支配解急剧增加,经典算法由于缺乏足够的选择压力导致性能急剧下降.提出了基于偏好等级......
