- 博客(72)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 SCI首创)双SCI热点模型融合)PINN_Kriging_NSGA2_Topsis被引用17000次的物理信息神经网络改进克里金模型熵权法多目标遗传反寻优最佳因变量及其对应的最佳自变量组合
本文提出了一种创新性的多模型融合框架，将物理信息神经网络(PINN)、克里金插值、NSGA系列多目标优化算法和TOPSIS决策方法相结合，构建了PINN_Kriging_NSGA2_Topsis等系列模型。该框架通过PINN提取数据特征，克里金建立空间响应模型，NSGA进行多目标优化，最后用TOPSIS和熵权法确定最优解。研究亮点包括：首次实现PINN与克里金的多目标优化结合；提供"懒人救星"版代码（仅需修改3处即可运行）；支持任意多输入多输出场景；包含数据标准化、权重计算等完整流程。文
2026-07-20 09:31:18
201
原创 结合熵权法的多目标进化算法SPEA2+TopsisSPEA2+Topsis+46种测试函数+9评价指标+3工程应用示例
结合熵权法的多目标进化算法SPEA2+TopsisSPEA2+Topsis+46种测试函数+9评价指标+3工程应用示例视频内容：1.测试函数：一共46个多目标测试函数1-5:ZDT1、ZDT2、ZDT3、ZDT4、ZDT66-12：DZDT1-DZDT713-22：wfg1-wfg1023-32：uf1-uf1033-42：cf1-cf1043-46:Kursawe、Poloni、Viennet2、Viennet32.（代号47,二目标优化）以“地铁隧道上方基坑工程优化设计”为例多目标
2026-05-05 12:05:36
373
原创 结合熵权法的多目标遗传算法NSGA2+TopsisNSGA2+Topsis+46种测试函数+9评价指标+3工程应用示例
NSGA2+Topsis+46种测试函数+9评价指标+3工程应用示例视频内容：1.测试函数：一共46个多目标测试函数1-5:ZDT1、ZDT2、ZDT3、ZDT4、ZDT66-12：DZDT1-DZDT713-22：wfg1-wfg1023-32：uf1-uf1033-42：cf1-cf1043-46:Kursawe、Poloni、Viennet2、Viennet32.（代号47,二目标优化）以“地铁隧道上方基坑工程优化设计”为例多目标遗传优化具体实现。（代号48：三目标优化，高铁成本）
2026-05-05 11:09:27
468
原创 与星共舞）26数学建模美赛MCM的C题(7大模型分层贝叶斯vs卡尔曼vsSEM双潜变量加入AW-GJ（Adaptive Weighted Judge–Fan）新赛制)
2026数学建模美赛MCM的C题全部四大问代码和模型已经完成（总计8个代码压缩文件包）问题一： 整数规划（MILP）结合二次规划（QP）LP 贝叶斯层次模型（把“人气/表现”做成可解释的概率生成机制）问题二： 加入三种对比策略的贝叶斯层次模型问题三（三种模型对比）： 状态空间+贝叶斯vs 状态空间+卡尔曼vs状态空间+SEM双潜变量问题四： 加入全新AW-GJ（Adaptive Weighted Judge–Fan） AW_GJ规则工程＋多目标优化算法帕累托
2026-01-31 22:08:20
156
原创 最优拉丁超立方响应面拉丁超立方等）SCI文献常用科研常用的13种实验设计数据采样方法
响应面法设计（RSM）中的 Central Composite Design（CCD），它可是构建二次响应模型时最稳、最常用的设计方案之一。7 'rotatable' 使得预测误差分布在所有方向上保持一致。3 中心复合设计 = 因子设计点 + 中心点 + 轴点（星点）9 点数 会比 Box-Behnken 稍多，但拟合能力更强。文献常用科研常用的13种实验设计数据采样方法。5 广泛用于二阶代理模型建模（如响应面分析）2 不强调空间填充性，而强调拟合效果。4 能捕捉变量的线性、交互、二次项关系。
2026-01-12 11:37:14
1089
原创 (懒人救星版)RNN_Kriging_NSGA2_Topsis 深度学习改进克里金结合熵权法的多目标遗传算法反求最优因变量及其对应的自变量组合（加入响应面和预测值真实值对比图版）
然后是熵权法，这是一种客观赋权方法，用于确定各指标的权重。熵权法通过计算各指标的熵值来判断该指标的离散程度，离散程度越大，熵值越小，信息量越大，权重也就越高。反之，离散程度越小，熵值越大，权重越低。克里金（Kriging）与多目标优化的结合是一种在复杂系统建模与决策中常用的方法，其核心是通过克里金模型近似多目标函数的空间分布，并利用多目标优化算法寻找最优解集。克里金模型，也称为空间插值法，是一种在空间数据分析中常用的方法，用于估计未知点的值，基于已知点的观测数据和它们之间的空间相关性。
2026-01-12 11:05:22
1158
原创 (懒人版)LSTM_Kriging_NSGA2_Topsis（深度学习改进克里金）（SCI首创）（多模态融合）深度学习+SCI热点模型+多目标+熵权法）全网首例，早用早发SCI长短时记忆神经克里金模型
然后是熵权法，这是一种客观赋权方法，用于确定各指标的权重。熵权法通过计算各指标的熵值来判断该指标的离散程度，离散程度越大，熵值越小，信息量越大，权重也就越高。反之，离散程度越小，熵值越大，权重越低。克里金（Kriging）与多目标优化的结合是一种在复杂系统建模与决策中常用的方法，其核心是通过克里金模型近似多目标函数的空间分布，并利用多目标优化算法寻找最优解集。克里金模型，也称为空间插值法，是一种在空间数据分析中常用的方法，用于估计未知点的值，基于已知点的观测数据和它们之间的空间相关性。
2025-07-20 15:54:50
1182
原创 (懒人版)(BP_Kriging_NSGA2_Topsis)（SCI首创）（多模型融合典范）(改进克里金模型改进BP神经网络模型)机器学习+SCI热点模型克里金+多目标+熵权法
全网首例，完全原创，早用早发SCI（多模型融合典范）机器学习+SCI热点模型+多目标+熵权法(懒人救星版)BP_Kriging_NSGA2_Topsis 改进克里金工作量大：多模型融合创新性：首次结合BP神经网络和克里金多目标利用 BP神经网络优化Kriging 建立代理预测响应模型 → 用 NSGA‑II寻优反求最优组合 → 用 TOPSIS 做决策选择最优解我已经帮大家搜过了，目前全网没有文献用到BP_Kriging_NSGA2_Topsis这个完整的结合模型，懒人救星版：任意多输出可用
2025-07-20 15:46:47
1396
原创 BP_NSGA2)BP神经网络做代理预测模型，多目标遗传NSGA2寻优求最佳因变量对应的最佳自变量组合和帕累托前沿解三个因变量：求解最大y1(最大效率) 求解最小y2(最小经济成本）最小y3最小y4
BP_NSGA2)BP神经网络做代理预测模型，多目标遗传NSGA2寻优求最佳因变量对应的最佳自变量组合和帕累托前沿解三个因变量：求解最大y1(最大效率) 求解最小y2(最小经济成本） 求解最小y3(最小时间成本)(懒人救星版)BP _NSGA2懒人救星版： 1.任意多输入多输出都可以用(采用四套数据集)4输入2输出.xlsx 4输入3输出.xlsx 5输入3输出.xlsx4输入4输出.xlsx 2.加入数据拟合散点图数据特点：（多元化的数据）包
2025-07-14 18:08:44
675
原创 (懒人救星版)CNN_Kriging_NSGA2_Topsis（多模型融合典范）深度学习+SCI热点模型+多目标+熵权法 全网首例，完全原创，早用早发SCI
(懒人救星版)BP_Kriging_NSGA2_Topsis 改进克里金工作量大：多模型融合创新性：首次结合BP神经网络和克里金多目标利用 BP神经网络优化Kriging 建立代理预测响应模型 → 用 NSGA‑II寻优反求最优组合 → 用 TOPSIS 做决策选择最优解我已经帮大家搜过了，目前全网没有文献用到BP_Kriging_NSGA2_Topsis这个完整的结合模型，懒人救星版： 1.任意多输入多输出都可以用4输入2输出.xlsx 4输入3输出.xlsx 5输入3输出.xl
2025-07-14 18:02:16
879
原创 (懒人救星版)CNN_Kriging_NSGA2_Topsis（多模型融合典范）深度学习+SCI热点模型+多目标+熵权法 全网首例，完全原创，早用早发SCI
CNN_Kriging_NSGA2_Topsis这个完整的结合模型，懒人救星版： 1.任意多输入多输出都可以用4输入2输出.xlsx 4输入3输出.xlsx 5输入3输出.xlsx 2.加入数据拟合散点图数据特点：（多元化的数据）包含0-1数据、大于1的数据和极大的数据（10的8次方）每个代码压缩文件包改动代码处不超过3处工作量大：多模型融合创新性：首次结合CNN和克里金多目标利用 CNN 提取数据特征 → 用 Kriging 建立空间响应模型 → 用 NSGA‑II寻优反求
2025-07-13 11:16:17
1025
原创 (懒人救星版)Kriging_MORBMO_Topsis克里金做代理预测模型2024多目标红嘴蓝鹊算法反求最优因变量和对应的最佳自变量组合，结合熵权法Topsis求解各帕累托各解的接近度确定最优解组合
(懒人救星版)Kriging_MORBMO_Topsis克里金做代理预测模型2024多目标红嘴蓝鹊算法反求最优因变量和对应的最佳自变量组合，结合熵权法Topsis求解各帕累托各解的接近度确定最优解组合(懒人救星版)Kriging_MORBMO_Topsis懒人救星版： 1.任意多输入多输出都可以用(采用三套数据集)4输入2输出.xlsx 4输入3输出.xlsx 5输入3输出.xlsx 2.加入数据拟合散点图数据特点：（多元化的数据）包含0-1数据、大于1的数据和极大的数据（10的8
2025-05-27 12:44:11
951
原创 (懒人救星版)Kriging_MOCOA_Topsis克里金做代理预测模型2024多目标浣熊算法反求最优因变量和对应的最佳自变量组合，结合熵权法Topsis求解各帕累托各解的接近度确定最优解组合
(懒人救星版)Kriging_MOCOA_Topsis克里金做代理预测模型2024多目标浣熊算法反求最优因变量和对应的最佳自变量组合，结合熵权法Topsis求解各帕累托各解的接近度确定最优解组合Kriging_MOCOA克里金做代理预测模型多目标浣熊算法懒人救星版： 1.任意多输入多输出都可以用(采用三套数据集)4输入2输出.xlsx 4输入3输出.xlsx 5输入3输出.xlsx 2.加入数据拟合散点图数据特点：（多元化的数据）包含0-1数据、大于1的数据和极大的数据（10的8次
2025-05-27 12:37:54
693
原创 (懒人救星版)CPOSVR_NSGA3_Topsis豪冠猪优化支持向量机CPOSVR做代理模型，结合熵权法Topsis的多目标遗传算法NSGA3反求寻优最佳因变量及对应的最佳自变量（含帕累托前沿解）
(懒人救星版)CPOSVR_NSGA3_Topsis豪冠猪优化支持向量机CPOSVR做代理模型，结合熵权法Topsis的多目标遗传算法NSGA3反求寻优最佳因变量及对应的最佳自变量（含帕累托前沿解）懒人救星版：1.任意多输入多输出都可以用(采用如下三套数据集：4输入2输出.xlsx 4输入3输出.xlsx 5输入3输出.xlsx数据特点：（多元化的数据）包含0-1数据、大于1的数据和极大的数据（10的8次方）3.统计误差指标和决定系数R2都有 每个代码压缩文件包改动代码处不超过4处
2025-05-20 11:11:44
710
原创 (懒人救星版)CPOSVR_NSGA2_Topsis豪冠猪优化支持向量机CPOSVR做代理模型，结合熵权法Topsis的多目标遗传算法NSGA2反求寻优最佳因变量及对应的最佳自变量（含帕累托前沿解）
(懒人救星版)CPOSVR_NSGA2_Topsis）豪冠猪优化支持向量机CPOSVR做代理模型，结合熵权法Topsis的多目标遗传算法NSGA2反求寻优最佳因变量及对应的最佳自变量（含帕累托前沿解） 1.任意多输入多输出都可以用(采用如下三套数据集：4输入2输出.xlsx 4输入3输出.xlsx 5输入3输出.xlsx数据特点：（多元化的数据）包含0-1数据、大于1的数据和极大的数据（10的8次方）3.统计误差指标和决定系数R2都有每个代码压缩文件包改动代码处不超过4处
2025-05-20 10:58:01
970
原创 （懒人救星版)Kriging_MOEA/D_Topsis克里金做代理预测模型基于分解的多目标优化算法MOEA/D结合熵权法Topsis求解帕累托前沿解及最佳因变量组合及其对应的最佳自变量组合
（懒人救星版)Kriging_MOEA/D_Topsis克里金做代理预测模型基于分解的多目标优化算法MOEA/D结合熵权法Topsis求解帕累托前沿解及最佳因变量组合及其对应的最佳自变量组合.懒人救星版： 1.任意多输入多输出都可以用(采用三套数据集)4输入2输出.xlsx 4输入3输出.xlsx 5输入3输出.xlsx 2.加入数据拟合散点图数据特点：（多元化的数据）包含0-1数据、大于1的数据和极大的数据（10的8次方）每个代码压缩文件包改动代码处不超过3处
2025-05-19 16:20:15
904
原创 (懒人救星版)Kriging_SPEA2_Topsis克里金做代理预测模型多目标强度进化算法SPEA2反求最优因变量和对应的最佳自变量组合，结合熵权法Topsis求解各帕累托各解的接近度确定最优解组合
(懒人救星版)Kriging_SPEA2_Topsis克里金做代理预测模型多目标强度进化算法SPEA2反求最优因变量和对应的最佳自变量组合，结合熵权法Topsis求解各帕累托各解的接近度确定最优解组合懒人救星版： 1.任意多输入多输出都可以用(采用三套数据集)4输入2输出.xlsx 4输入3输出.xlsx 5输入3输出.xlsx 2.加入数据拟合散点图数据特点：（多元化的数据）包含0-1数据、大于1的数据和极大的数据（10的8次方）每个代码压缩文件包改动代码处不超过3处
2025-05-19 15:08:06
1048
原创 (懒人救星版)PSOBP _NSGA2_Topsis粒子群算法优化BP神经网络做代理预测模型，多目标遗传NSGA2结合熵权法求解帕累托前沿解和最佳因变量及对应的最佳自变量组合
(懒人救星版)PSOBP _NSGA2_Topsis粒子群算法优化BP神经网络做代理预测模型，多目标遗传NSGA2结合熵权法求解帕累托前沿解和最佳因变量及对应的最佳自变量组合.懒人救星版： 1.任意多输入多输出都可以用(采用三套数据集)4输入2输出.xlsx 4输入3输出.xlsx 5输入3输出.xlsx2.加入数据拟合散点图数据特点：（多元化的数据）包含0-1数据、大于1的数据和极大的数据（10的8次方）每个代码压缩文件包改动代码处不超过6处如下图代码中：（改动点总计4处代码即可）
2025-05-19 14:59:37
1313
原创 (懒人救星版)PSOBP _NSGA3_Topsis粒子群算法优化BP做代理预测模型目标遗传NSGA3结合熵权法Topsis反向寻优帕累托前沿解及最佳因变量和自变量组合
PSOBP_NSGA3粒子群算法优化BP做代理预测模型目标遗传NSGA3(懒人救星版)PSOBP _NSGA3_Topsis懒人救星版： 1.任意多输入多输出都可以用(采用三套数据集)4输入2输出.xlsx 4输入3输出.xlsx 5输入3输出.xlsx 2.加入数据拟合散点图数据特点：（多元化的数据）包含0-1数据、大于1的数据和极大的数据（10的8次方）每个代码压缩文件包改动代码处不超过6处如下图代码中：（改动点总计4处代码即可运行）
2025-05-18 10:57:53
859
原创 (懒人救星版)RF_NSGA3_Topsis随机森林RF做代理模型，结合熵权法Topsis的多目标遗传算法NSGA3反求寻优最佳因变量及对应的最佳自变量（含帕累托前沿解）
(懒人救星版)RF_NSGA2_Topsis随机森林RF做代理模型，结合熵权法Topsis的多目标遗传算法NSGA2反求寻优最佳因变量及对应的最佳自变量（含帕累托前沿解）1.任意多输入多输出都可以用(采用如下三套数据集：4输入2输出.xlsx 4输入3输出.xlsx 5输入3输出.xlsx2.加入数据拟合散点图：数据特点：（多元化的数据）包含0-1数据、大于1的数据和极大的数据（10的8次方）3.统计误差指标和决定系数R2都有 每个代码压缩文件包改动代码处不超过6处
2025-05-18 10:39:17
740
原创 (懒人救星版)SVR_NSGA3_Topsis支持向量机SVR做代理模型，结合熵权法Topsis的多目标遗传算法NSGA3反求寻优最佳因变量及对应的最佳自变量（含帕累托前沿解和最佳解及其最佳权重）
(懒人救星版)SVR_NSGA3_Topsis支持向量机SVR做代理模型，结合熵权法Topsis的多目标遗传算法NSGA3反求寻优最佳因变量及对应的最佳自变量（含帕累托前沿解）懒人救星版： 1.任意多输入多输出都可以用(采用如下三套数据集：4输入2输出.xlsx 4输入3输出.xlsx 5输入3输出.xlsx数据特点：（多元化的数据）包含0-1数据、大于1的数据和极大的数据（10的8次方）3.统计误差指标和决定系数R2都有每个代码压缩文件包改动代码处不超过3处如下图代码中：（改动点
2025-05-16 17:40:24
1089
原创 (懒人救星版)SVR_NSGA2_Topsis支持向量机SVR做代理模型，结合熵权法Topsis的多目标遗传算法NSGA2反求寻优最佳因变量及对应的最佳自变量（含帕累托前沿解和最优解及对应因变量权重）
支持向量机SVR做代理模型，结合熵权法Topsis的多目标遗传算法NSGA2反求寻优最佳因变量及对应的最佳自变量（含帕累托前沿解）懒人救星版： 1.任意多输入多输出都可以用(采用如下三套数据集：4输入2输出.xlsx 4输入3输出.xlsx 5输入3输出.xlsx数据特点：（多元化的数据）包含0-1数据、大于1的数据和极大的数据（10的8次方）3.统计误差指标和决定系数R2都有每个代码压缩文件包改动代码处不超过3处如下图代码中：（改动点总计4处代码即可运行）
2025-05-16 17:08:53
676
原创 (懒人救星版)RBF_NSGA2_TopsisRBF神经网络做代理模型，结合熵权法Topsis的多目标遗传算法NSGA2反求寻优最佳因变量及对应的最佳自变量（含帕累托前沿解）
RBF神经网络做代理模型，结合熵权法Topsis的多目标遗传算法NSGA2反求寻优最佳因变量及对应的最佳自变量（含帕累托前沿解）懒人救星版：1.任意多输入多输出都可以用(采用如下三套数据集：4输入2输出.xlsx 4输入3输出.xlsx 5输入3输出.xlsx数据特点：（多元化的数据）包含0-1数据、大于1的数据和极大的数据（10的8次方）3.统计误差指标和决定系数R2都有 每个代码压缩文件包改动代码处不超过4处结合了RBF神经网络、NSGA-3和Topsis算法。该方法支持任意多目标优化
2025-05-16 12:30:30
1029
原创 (懒人版)RBF_NSGA3_TopsisRBF神经网络做代理模型，结合熵权法Topsis的多目标遗传算法NSGA3反求寻优最佳因变量及对应的最佳自变量（含帕累托前沿解）（SCI一区热点模型）
懒人救星版： 1.任意多输入多输出都可以用(采用如下三套数据集：4输入2输出.xlsx 4输入3输出.xlsx 5输入3输出.xlsx数据特点：（多元化的数据）包含0-1数据、大于1的数据和极大的数据（10的8次方）3.统计误差指标和决定系数R2都有每个代码压缩文件包改动代码处不超过4处NSGA-2 和 NSGA-3 主要有以下区别：• 提出时间与背景1o NSGA-2：1992 年由 Deb 等人提出，是经典多目标优化算法，旨在改进 NSGA 算法，解决其在非支配排序时间复杂度高、不支持精英
2025-05-16 12:08:17
856
原创 (懒人救星版)Kriging_NSGA2_Topsis克里金做代理预测模型目标遗传NSGA2反求最优因变量和对应的最佳自变量组合，结合熵权法Topsis求解各帕累托各解的接近度确定最优解组合
懒人救星版：1.任意多输入多输出都可以用(采用三套数据集) 4输入2输出.xlsx 4输入3输出.xlsx 5输入3输出.xls 2.加入数据拟合散点图，数据特点：（多元化的数据）包含0-1数据、大于1的数据和极大的数据（10的8次方） 每个代码压缩文件包改动代码处不超过3处 首先，Topsis，也就是逼近理想解排序法，是一种多准则决策分析方法。它的基本思想是通过计算各方案与理想解（正理想解）和负理想解之间的距离来进行排序。理想解是各指标的最优值，负理想解是各指标的最劣值。然后根据相对接近
2025-05-16 11:35:46
1300
原创 (懒人救星版)Kriging_NSGA3_Topsis克里金做代理预测模型目标遗传NSGA3反求最优因变量和对应的最佳自变量组合，结合熵权法Topsis求解各帕累托各解的接近度确定最优解组合
Kriging_NSGA3克里金做代理预测模型目标遗传NSGA3反求最优因因变量和对应的最佳自变量组合，结合熵权法Topsis求解各帕累托各解的接近度确定最优解(懒人救星版)Kriging_NSGA3_Topsis 1.任意多输入多输出都可以用(采用三套数据集)4输入2输出.xlsx 4输入3输出.xlsx 5输入3输出.xlsx 2.加入数据拟合散点图数据特点：（多元化的数据）包含0-1数据、大于1的数据和极大的数据（10的8次方）每个代码压缩文件包改动代码处不超过3处
2025-04-11 18:35:56
1126
原创 懒人版)RF_NSGA2_Topsis随机森林做代理预测模型NSGA3结合熵权法Topsis反求最佳因变量和对应的最佳自变量组合（含帕累托前沿解）
随机森林做代理预测模型NSGA3结合熵权法Topsis反求最佳因变量和对应的最佳自变量组合（含帕累托前沿解）(懒人救星版)RF_NSGA3_Topsis懒人救星版： 1.任意多输入多输出都可以用(采用如下三套数据集：4输入2输出.xlsx 4输入3输出.xlsx 5输入3输出.xlsx 2.加入数据拟合散点图数据特点：（多元化的数据）包含0-1数据、大于1的数据和极大的数据（10的8次方）3.统计误差指标和决定系数R2都有每个代码压缩文件包改动代码不超过6处
2025-04-11 18:15:48
584
原创 (MORBMO_CPOSVR)（24最新）基于支持向量机SVR的多目标红嘴蓝鹊优化算法自变量寻优（反推最优组合）（46测试函数+9指标+3示例+MORBMO_BP+MORBMO_RF）Matlab代码
1. CPOSVR_MORBMO/HOSVR_MORBMO 基于支持向量机SVR回归预测的多目标浣熊算法寻找最佳自变量组合 2.CPOBP_MORBMO 基于BP神经网络的多目标浣熊算法的参数寻优（代号513.PSORF_MORBMO1-5:ZDT1、ZDT2、ZDT3、ZDT4、ZDT66-12：DZDT1-DZDT713-22：wfg1-wfg1023-32：uf1-uf1033-42：cf1-cf1043-46:Kursawe、Poloni、Viennet2、Viennet39种评价
2024-12-07 11:54:43
703
原创 (MOPSO_CPOSVR)基于支持向量机SVR的多目标粒子群优化算法自变量寻优（反推最优组合）（含46测试函数+9评价指标+3多目标应用示例+MOPSO_BP+MOPSO_RF）完整Matlab
1. CPOSVR_MOPSO/HOSVR_MOPSO 基于支持向量机SVR回归预测的多目标浣熊算法寻找最佳自变量组合 2.CPOBP_MOPSO 基于BP神经网络的多目标浣熊算法的参数寻优（代号51）3.PSORF_MOPSO 基于粒子群算法优化的随机森林的多目标浣熊算法参数寻优4.代号47,二目标优化代号48：三目标优化1-5:ZDT1、ZDT2、ZDT3、ZDT4、ZDT66-12：DZDT1-DZDT713-22：wfg1-wfg1023-32：uf1-uf1043-46:Kursa
2024-11-30 12:38:30
371
原创 (MOCOA_CPOSVR)基于支持向量机SVR的多目标浣熊优化算法自变量寻优（反推最优组合）（含46测试函数+9评价指标+3多目标应用示例+MOCOA_BP+MOCOA_RF）Matlab代码
1.CPOSVR_MOCOA/HOSVR_MOCOA 基于支持向量机SVR回归预测的多目标浣熊算法寻找最佳自变量组合2.CPOBP_MOCOA 基于BP神经网络的多目标浣熊算法的参数寻优（代号51）3.PSORF_MOCOA 基于粒子群算法优化的随机森林的多目标浣熊算法参数寻优4.（代号47二目标优化）（代号48三目标优化）5.46个多目标测试函数1-5:ZDT1、ZDT2、ZDT3、ZDT4、ZDT66-12：DZDT1-DZDT713-22：wfg1-wfg1033-42：cf1-cf1
2024-11-30 12:32:30
470
原创 (MOCOA_CPOSVR)基于支持向量机SVR的多目标浣熊优化算法自变量寻优（反推最优组合）（含46测试函数+9评价指标+3多目标应用示例+MOCOA_BP+MOCOA_RF）Matlab代码
1.CPOSVR_MOCOA/HOSVR_MOCOA 基于支持向量机SVR回归预测的多目标浣熊算法寻找最佳自变量组合2.CPOBP_MOCOA 基于BP神经网络的多目标浣熊算法的参数寻优（代号51）3.PSORF_MOCOA 基于粒子群算法优化的随机森林的多目标浣熊算法参数寻优4.（代号47,二目标优化）以“地铁隧道上方基坑工程优化设计”为例多目标浣熊优化具体实现。（代号48：三目标优化，高铁成本）46测试函数+9评价指标
2024-11-27 10:43:53
1213
原创 (MOAHA_PSORF)基于粒子群算法优化随机森林的多目标人工峰鸟算法自变量寻优（反推最优组合）（46测试函数+9评价指标+3多目标应用示例+MOAHA_BP+MOAHA_RF）Matlab代码
1.CPOBP_MOPOA 基于BP神经网络的多目标鹈鹕算法的参数寻优（代号51）2.PSORF_MOPOA 基于粒子群算法优化的随机森林的多目标鹈鹕算法参数寻优3.HOSVR_MOPOA基于河马算法优化的支持向量机的多目标鹈鹕算法参数寻优46个多目标测试函数1-5:ZDT1、ZDT2、ZDT3、ZDT4、ZDT66-12：DZDT1-DZDT713-22：wfg1-wfg1023-32：uf1-uf1033-42：cf1-cf1043-46:Kursawe、Poloni、V
2024-11-27 09:03:54
369
原创 (MOAHA_PSORF)基于粒子群算法优化随机森林的多目标人工峰鸟算法自变量寻优（反推最优组合）（46测试函数+9评价指标+3多目标应用示例+MOAHA_BP+MOAHA_RF）完整Matlab
1.CPOBP_MOAHA 基于BP神经网络的多目标人工蜂鸟算法的参数寻优（代号51）2.PSORF_MOAHA 基于粒子群算法优化的随机森林的多目标人工蜂鸟算法参数寻优46个多目标测试函数1-5:ZDT1、ZDT2、ZDT3、ZDT4、ZDT66-12：DZDT1-DZDT713-22：wfg1-wfg1023-32：uf1-uf1033-42：cf1-cf1043-46:Kursawe、Poloni、Viennet2、Viennet3（代号47,二目标优化）48三目标优化
2024-11-26 20:16:40
448
原创 (MOSCSO_PSORF)基于粒子群算法优化随机森林的多目标沙猫群算法自变量寻优（反推最优组合）（46测试函数+9评价指标+3多目标应用示例+MOSCSO_BP+MOSCSO_RF）完整Matlab
1.CPOSVR_MOSCSO豪冠猪优化SVR的多目标沙猫群算法的参数寻优2.CPOBP_MOSCSO 基于BP神经网络的多目标沙猫群算法的参数寻优3.PSORF_MOSCSO 基于粒子群算法优化的随机森林的多目标沙猫群算法参数寻优46个多目标测试函数1-5:ZDT1、ZDT2、ZDT3、ZDT4、ZDT66-12：DZDT1-DZDT713-22：wfg1-wfg1023-32：uf1-uf1033-42：cf1-cf1043-46:Kursawe、Poloni、Vienne
2024-11-26 10:33:52
598
原创 (MOSSA_PSORF)基于粒子群算法优化随机森林的多目标麻雀算法自变量寻优（反推最优组合）（46测试函数+9评价指标+3多目标应用示例+MOSSA_BP+MOSSA_RF）完整Matlab代码
3.CPOBP_MOSSA 基于BP神经网络的多目标麻雀算法的参数寻优（代号51）4.PSORF_MOSSA 基于粒子群算法优化的随机森林的多目标哈里斯鹰算法参数寻优2.（代号47,二目标优)（代号48：三目标优化，高铁成本）46个多目标测试函数1-5:ZDT1、ZDT2、ZDT3、ZDT4、ZDT66-12：DZDT1-DZDT713-22：wfg1-wfg1023-32：uf1-uf1033-42：cf1-cf1043-46:Kursawe、Poloni、Viennet2、Vie
2024-11-26 09:59:42
395
原创 (MOHHO_PSORF)基于粒子群算法优化随机森林的多目标哈里斯鹰算法自变量寻优（反推最优组合）（46测试函数+9评价指标+3多目标应用示例+MOHHO_BP+MOHHO_RF）完整Matlab代码
46个多目标测试函数1-5:ZDT1、ZDT2、ZDT3、ZDT4、ZDT66-12：DZDT1-DZDT713-22：wfg1-wfg1023-32：uf1-uf1033-42：cf1-cf1043-46:Kursawe、Poloni、Viennet2、Viennet32.（代号47二目标）（代号48三目标）3.CPOBP_MOHHO 基于BP神经网络的多目标哈里斯鹰算法的参数寻优4.PSORF_MOHHO 基于粒子群算法优化的随机森林的多目标哈里斯鹰算法参数寻优
2024-11-25 11:05:51
622
原创 24最新多目标(MOEDO_PSORF)基于粒子群算法优化随机森林的多目标指数分布优化算法自变量寻优（反推最优组合）（46测试函数+9评价指标+3示例+MOEDO_BP+MOEDO_RF）Matlab
一共46个多目标测试函数1-5:ZDT1、ZDT2、ZDT3、ZDT4、ZDT66-12：DZDT1-DZDT713-22：wfg1-wfg1023-32：uf1-uf1033-42：cf1-cf1043-46:Kursawe、Poloni、Viennet2、Viennet32.（代号47二目标优化）（代号48三目标）3.CPOBP_MOEDA 基于BP神经网络的多目标指数分布优化算法的参数寻优（代号51）4.PSORF_MOEDA 基于粒子群算法优化的随机森林的多目标指数分布优化算法参数
2024-11-25 10:15:34
563
原创 24最新多目标(MORIME_PSORF)粒子群算法优化随机森林的多目标雾凇优化算法自变量寻优（反推最优组合）（46测试函数+9评价指标+3示例+MORIME_BP+MORIME_RF）Matlab
1-5:ZDT1、ZDT2、ZDT3、ZDT4、ZDT66-12：DZDT1-DZDT713-22：wfg1-wfg1023-32：uf1-uf1033-42：cf1-cf1043-46:Kursawe、Poloni、Viennet2、Viennet32.（代号47二目标）（代号48三目标）3.CPOBP_MORIME 基于BP神经网络的多目标雾凇优化算法的参数寻优（代号51）4.PSORF_MORIME 基于粒子群算法优化的随机森林的多目标雾凇优化算法参数寻优
2024-11-24 16:24:11
486
原创 (MOPLO_PSORF)基于粒子群算法优化随机森林的多目标极光优化算法自变量寻优（反推最优组合）（含46测试函数+9评价指标+3多目标应用示例+MOPLO_BP+MOPLO_RF）完整Matlab
1-5:ZDT1、ZDT2、ZDT3、ZDT4、ZDT66-12：DZDT1-DZDT713-22：wfg1-wfg1023-32：uf1-uf1033-42：cf1-cf1043-46:Kursawe、Poloni、Viennet2、Viennet32.（代号47,二目标优化）（代号48：三目标）3.CPOBP_MOPLO 基于BP神经网络的多目标极光算法的参数寻优（代号51）4.PSORF_MOPLO 基于粒子群算法优化的随机森林的多目标极光算法参数寻优
2024-11-24 15:56:36
392
原创 24最新多目标(MOCOA_PSORF)粒子群算法优化随机森林的多目标浣熊算法自变量寻优（反推最优组合）（46测试函数+9评价指标+3多目标应用示例+MOCOA_BP+MOCOA_RF）Matlab
解集的收敛性评价(Convergence Performance, CP), 解集P中的每个点到参考集P *中的最小距离的平均值。反转世代距离（IGD，Inverted Generational Distance）：每个参考点到最近的解的距离的平均值。超体积指标（HV，Hypervolume）：算法获得的非支配解集与参照点围成的目标空间中区域的体积。基于BP神经网络的多目标浣熊算法的参数寻优（代号51）连续版本的多目标参数寻优vs离散版本的多目标参数寻优。含约束的多目标优化vs不含约束的多目标优化。
2024-11-24 15:13:41
714
(懒人救星)（Kriging-MOPSO）克里金模型结合多目标粒子群算法最优因变量及对应自变量组合.rar
2025-07-14
(懒人救星版)BP-NSGAII-Topsis（BP神经网络做代理，NSGA2多目标寻优，Topsis给出决策解和客观权重）.rar
2025-07-14
(懒人救星版)Kriging-NSGA2-Topsis，克里金做代理预测模型，多目标遗传算法NSGA2寻优模型寻求最优因变量及其对应的最佳自变量组合
2025-07-14
懒人救星版）PSOBPvsBP粒子群算法优化BP神经网络实现数据回归预测对比传统BP神经网络（单输出多输出均可用）
2025-05-16
多目标遗传算法对46测试函数9评价指标3工程应用示例的Matlab代码
2025-05-16
改进强度Pareto进化算法SPEA2对46种测试函数9评价指标的Matlab代码
2025-05-16
Matlab基于GUI界面的图像处理双线性插值最邻近插值
2022-07-18
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人