<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[qq_38643813的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/qq_38643813</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; qq_38643813]]></copyright><item><title><![CDATA[多目标优化——自学笔记（一）]]></title><link>https://blog.youkuaiyun.com/qq_38643813/article/details/123840371</link><guid>https://blog.youkuaiyun.com/qq_38643813/article/details/123840371</guid><author>qq_38643813</author><pubDate>Wed, 30 Mar 2022 14:46:18 +0800</pubDate><description><![CDATA[多目标优化——自学笔记

非公开，仅仅为了加深自身对多目标优化的理解和记忆。同时，在日后回顾时更加方便


基础知识理解多目标优化——自学笔记前言一、多目标优化问题(multi-objective optimization problem, MOP)二、帕累托支配关系(Pareto Dominance)三、帕累托最优解(Pareto optimal solution）四、帕累托最优解集总结

前言

这里主要记录了帕累托、支配、最优解集等相关基础理论知识


一、多目标优化问题(multi-objectiv]]></description><category></category></item><item><title><![CDATA[基于BAS算法实现复杂网络社区发现问题——附python代码]]></title><link>https://blog.youkuaiyun.com/qq_38643813/article/details/123804658</link><guid>https://blog.youkuaiyun.com/qq_38643813/article/details/123804658</guid><author>qq_38643813</author><pubDate>Mon, 28 Mar 2022 21:30:06 +0800</pubDate><description><![CDATA[基于天牛须算法实现复杂网络社区发现问题——初级版]]></description><category></category></item><item><title><![CDATA[关于“采样参考点方法”的阅读整理——自用]]></title><link>https://blog.youkuaiyun.com/qq_38643813/article/details/120437653</link><guid>https://blog.youkuaiyun.com/qq_38643813/article/details/120437653</guid><author>qq_38643813</author><pubDate>Fri, 24 Sep 2021 10:46:29 +0800</pubDate><description><![CDATA[关于“Das and Dennis's Method”的阅读整理——自用文献名称《Sampling Reference Points on the Pareto Fronts of Benchmark Multi-Objective Optimization Problems》
文献名称《Sampling Reference Points on the Pareto Fronts of Benchmark Multi-Objective Optimization Problems》


...]]></description><category></category></item><item><title><![CDATA[“九章”量子计算机与智能优化算法]]></title><link>https://blog.youkuaiyun.com/qq_38643813/article/details/110753043</link><guid>https://blog.youkuaiyun.com/qq_38643813/article/details/110753043</guid><author>qq_38643813</author><pubDate>Sun, 06 Dec 2020 21:36:25 +0800</pubDate><description><![CDATA[往期内容：
智能优化算法（一）：海鸥算法原理及Matlab代码
智能优化算法（二）：海鸥算法之改进篇
智能优化算法（三）：基于量子的鸽群优化算法
智能优化算法（四）：基于Powell优化的鸽群优化算法
智能优化算法（五）：天牛须搜索算法
九章量子计算机——智能优化算法前言一、“九章”量子计算机为什么这么强？二、“九章”与智能优化算法的共同点1.表示(representation)2.具体操作总结


前言
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;2020年12月4]]></description><category></category></item><item><title><![CDATA[智能优化算法：天牛须搜索算法]]></title><link>https://blog.youkuaiyun.com/qq_38643813/article/details/109995667</link><guid>https://blog.youkuaiyun.com/qq_38643813/article/details/109995667</guid><author>qq_38643813</author><pubDate>Mon, 23 Nov 2020 16:51:25 +0800</pubDate><description><![CDATA[往期内容：
智能优化算法（一）：海鸥算法原理及Matlab代码
智能优化算法（二）：海鸥算法之改进篇
智能优化算法（三）：基于量子的鸽群优化算法
智能优化算法（四）：基于Powell优化的鸽群优化算法
智能优化算法：天牛须搜索算法一、前言二、算法简介三、算法原理3.1 算法模型3.2 算法流程总结
一、前言
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;天牛须算法 (Beetle Antennae search algorithm, BAS) 是由Jiang等于2017]]></description><category></category></item><item><title><![CDATA[智能优化算法：基于Powell优化的鸽群优化算法]]></title><link>https://blog.youkuaiyun.com/qq_38643813/article/details/109808813</link><guid>https://blog.youkuaiyun.com/qq_38643813/article/details/109808813</guid><author>qq_38643813</author><pubDate>Thu, 19 Nov 2020 14:39:09 +0800</pubDate><description><![CDATA[智能优化算法：基于Powell优化的鸽群优化算法前言一、鸽群优化算法(Pigeon-inspired Optimization)原理二、Powell算法1. 原理2. 算法流程三、组合策略四、仿真实验五、总结六、附件
前言
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;哈喽，大家好！我是一枚小博士，今天给大家带来的是鸽群优化算法(pigeon-inspired optimization, PIO)的改进策略——组合优化。
一、鸽群优化算法(Pigeon-inspired]]></description><category></category></item><item><title><![CDATA[智能优化算法: 基于量子的鸽群优化算法]]></title><link>https://blog.youkuaiyun.com/qq_38643813/article/details/109730959</link><guid>https://blog.youkuaiyun.com/qq_38643813/article/details/109730959</guid><author>qq_38643813</author><pubDate>Tue, 17 Nov 2020 00:16:08 +0800</pubDate><description><![CDATA[基于混合量子理论的鸽群优化算法，QPIO前言一、创新点二、鸽群算法鸽群算法原理地图和指南针算子(Map/compass operator)地标算子(LandMark operator)基本鸽群算法流程(简)实数编码的量子表示(A real-code quantum representation)量子旋转门(Quantum rotation gate, QRG)三、文章优势分析对比实验分析
前言
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;哈喽，大家好。我是一枚小博士，]]></description><category></category></item><item><title><![CDATA[智能优化算法：海鸥算法之改进篇]]></title><link>https://blog.youkuaiyun.com/qq_38643813/article/details/109724558</link><guid>https://blog.youkuaiyun.com/qq_38643813/article/details/109724558</guid><author>qq_38643813</author><pubDate>Mon, 16 Nov 2020 16:46:40 +0800</pubDate><description><![CDATA[智能优化算法：海鸥算法之改进篇改进海鸥优化算法：优化效果显著提高101010^{10}1010倍海鸥算法改进海鸥算法(MSOA)
改进海鸥优化算法：优化效果显著提高101010^{10}1010倍
&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;大家好，我是一枚小博士。半个月前，本人发表了第一篇文章——《智能优化算法：海鸥算法原理及Matlab代码》，收到很多朋友的私信和评论，受宠若惊。本人从事研究智能算法已经有4年的时间了，对智能优化也有一些自身的理解，为了更好的服务大]]></description><category></category></item><item><title><![CDATA[智能优化算法：海鸥算法原理及Matlab代码]]></title><link>https://blog.youkuaiyun.com/qq_38643813/article/details/109459392</link><guid>https://blog.youkuaiyun.com/qq_38643813/article/details/109459392</guid><author>qq_38643813</author><pubDate>Mon, 02 Nov 2020 22:42:10 +0800</pubDate><description><![CDATA[智能优化算法：海鸥算法原理及Matlab代码文章导航1. 算法原理2. SOA算法流程2.1 迁徙行为(exploration ability)2.2 攻击行为(exploitation ability)3. SOA算法流程如下：4. 运行结果
文章导航
海鸥算法(Seagull optimization algorithm,SOA)，是由Gaurav Dhiman和Vijay kumar于2018年提出的一种新型群体智能优化算法，该算法主要模拟了自然界中海鸥迁徙以及迁徙过程中的攻击行为(觅食行为)。
1.]]></description><category></category></item></channel></rss>