logo资料库

platEMO使用手册.pdf

第1页 / 共48页
第2页 / 共48页
第3页 / 共48页
第4页 / 共48页
第5页 / 共48页
第6页 / 共48页
第7页 / 共48页
第8页 / 共48页
资料共48页,剩余部分请下载后查看
Slide 1
Slide 2
Slide 3
Slide 4
Slide 5
Slide 6
Slide 7
Slide 8
Slide 9
Slide 10
Slide 11
Slide 12
Slide 13
Slide 14
Slide 15
Slide 16
Slide 17
Slide 18
Slide 19
Slide 20
Slide 21
Slide 22
Slide 23
Slide 24
Slide 25
Slide 26
Slide 27
Slide 28
Slide 29
Slide 30
Slide 31
Slide 32
Slide 33
Slide 34
Slide 35
Slide 36
Slide 37
Slide 38
Slide 39
Slide 40
Slide 41
Slide 42
Slide 43
Slide 44
Slide 45
Slide 46
Slide 47
Slide 48
本PPT是根据PLATEMO 说明书翻译过来 仅供交流学习,禁止一切非正当活动。 谢谢 多 目 标 优 化 2019/5/15 PlatEMO Evolutionary Multi-Objective Optimization Platform QQ:1944265573
NO.1 / 进化多目标算法 NO.8 / 增加算子、性能指标 NO.2 / PlatEMO 目录 CONTENTS NO.7 / 增加算法、问题 NO.6 / PlatEMO体系结构 NO.3 / PlatEMO的文件结构 NO.5 / 使用带GUI的PlatEMO NO.4 / 使用无GUI的PlatEMO
NO.1 进化多目标算法简介
NO.1 进化多目标算法简介 其中 是决策向量(即解), 是已知决策空间。 是目标向量, 是未知目标空间。 包括P个不等式约束条件。 在X中的每个元素表示一个决策变量,D是决策变量的数量。 在F(X)中的每个元素表示一个单目标优化问题,M是目标数量。
NO.1 进化多目标算法简介 如果 如果 则,说明解X支配Y,表示为: ,即Pareto支配 ,则说明X为Pareto最优解即Pareto非支配解 Pareto最优解组成的集合组成Pareto最优解集(PS),最优解向量构成的面为Pareto前沿面(PF) 在这些年中,许多启发式算法已经被用于多目标优化问题(MOPs),如遗传算法(genetic algorithm)、 差分进化算法(differential evolution)、粒子群算法(particle swarm optimization)、模因算法(memetic algorithm)、 分布估计算法等,他们成为多目标进化算法(MOEAs)。在进化的过程中种群每一代都会更新,其中的新的个体由 Operators(交叉、变异)生成,种群和新个体一起被环境选择。MOEAs的目标是使种群人口接近Pareto解集并具有 良好的收敛性和覆盖性。
NO.2 PlatEMO 介绍
NO.2 PlatEMO 简介 ① PlatEMO是一款开源和免费的基于MATLAB的进化多目标优化的平台,可在 http://bimk.ahu.edu.cn/index.php?%20s=/Index/Software/index.html下载,他可以在任何 支持MATLAB的操作系统中运行。 ② PlatEMO为用户提供两种运行模式:命令模式和GUI模式。 在命令模式下,不显示GUI,使用者设置参数并使用命令执行算法。 在GUI模式下,显示GUI,使用者在GUI上设置参数并执行算法。 ③ MATLAB版本要求不能低于R2014b。
NO.2 PlatEMO 简介 PlatEMO主要特点: 1. 包括60多个现有的MOEAs,大多数都是2010年后顶级期刊中发布的算法 2. 包括100多个MOPs的基准,他们为测试MOEAs提供了各种困难 3. 包括许多用于不同编码的算子,可与所有的MOEAs联合使用 4. 包括许多性能指标,用于数字评估MOEAs的性能 5. 用户无需新建任何项目或编写任何代码来运行,只需要调用接口函数main()即可 6. 在GUI中提供了一个功能强大的实验模块,可与帮助用户在多个MOEAs和MOPs上进行实验,直接 以Excel或LaTeX的格式获得结果
分享到:
收藏