monster♛-优快云博客

原创广义多模态多目标协同进化

（MMOP, Multi-modal Multi-objective Optimization Problem）是一类兼具“”与“”的优化问题。其中，“多模态”指问题存在多个不同的最优解区域（模态），每个区域内都有一组最优解；“多目标”则表示需同时优化多个相互冲突的目标函数。求解MMOP时，不仅要找到多个目标下的帕累托最优解集，还需完整捕捉不同模态的最优解，确保解的多样性，避免算法仅收敛于单一模态，是优化领域中兼顾“全局探索”与“多解分布”的复杂问题。

2025-03-14 22:47:33 241

原创非支配排序遗传算法三（NSGA-III）

一、参考点的数学定义与生成方法NSGA-III通过预定义的参考点确保解集在目标空间中的多样性。对于 M 目标优化问题，标准化超平面是一个 (M−1) 维单位单纯形。顶点位于各坐标轴截距为1处，例如三维目标空间中顶点为(0,1,0)、(0,0,1)(0,0,1)，构成等边三角形（图1）。若每个目标轴划分为 p等分，则参考点总数 H由组合数公式计算：三维目标（M=3）且 p=4 时，H=(3+4−1 4)=(6 4)=15。参考点分布如图1所示，在标准化三角形内形成均匀网格。

2025-03-13 00:04:44 878

原创基于网格的多目标优化进化算法

对于网格多目标进化算法，是在区别于非支配排序遗传算法2，改进强度帕累托算法等另外提出的一种性的算法，对于收敛性与多样性的考虑做出了独到的创新，提出的网格排序、网格拥挤距离、网格坐标点距离三级来寻找最优解，同时通过网格支配与网格差异来体现网格环境下两个个体之间的关系。对于算法中一些细节比如超盒构建，以及网格拥挤距离结合两幅图的计算存在一些困惑，以下是我在对算法做的一些注解，仅供参考，写的不好勿喷！

2025-03-11 22:13:17 154

原创 MOEA/D：基于分解的多目标进化算法

最大化受限于 x∈Ω。

2025-03-04 21:37:20 747

原创 SPEA2：改进强度帕累托进化算法

通过计算个体周围密度（如k近邻距离或拥挤度）调整选择概率，避免局部聚集。：如何从当前种群和后代中选择个体保留到下一代，确保解集的多样性和收敛性。：若 i被多个强个体支配，则 R(i) 值高，表明 i的适应度差。：若 R(i)=0，说明 i 未被任何个体支配，属于当前最优解。：将当前种群和存档中所有非支配个体（F(i)<1）复制到新存档。：量化个体 i 的“支配力”，支配越多个体的个体强度值越高。对每个个体 i，计算其到其他个体的欧式距离，并按升序排列。同时考虑解的优劣R(i)）和分布的均匀性D(i)）。

2025-02-28 23:40:51 949

原创 SPEA:强度帕累托进化算法

SPEA（Strength Pareto Evolutionary Algorithm）即强度帕累托进化算法，是一种多目标优化算法。它主要用于解决具有多个相互冲突的目标的优化问题。例如，在汽车设计中，可能需要同时考虑汽车的燃油效率（希望越高越好）、成本（希望越低越好）和安全性（希望越高越好）等多个目标，SPEA 算法可以帮助找到这些目标之间的平衡解。

2025-01-09 23:22:02 754

原创 c 语言实现成绩统计 ——蓝桥

小蓝给学生们组织了一场考试，卷面总分为 100 分，每个学生的得分都是一个 0 到 100 的整数。严重性代码说明项目文件行禁止显示状态。如果得分至少是 60 分，则称为及格。如果得分至少为 85 分，则称为优秀。请计算及格率和优秀率，用百分数表示，百分号前的部分四舍五入保留整数。在这里小编提一下有的编译器可能会出现报错。但是这并不影响代码的正确性。

2022-10-26 20:21:34 1429 3

原创 C语言自定义函数——实现优化冒泡排序

关于优化代码思路在于——跳出无用排序，比如我们这里实现0-9升序，如果我们输入的数为0,1,2,3,4,5,6,7,8，9那么传统的经典思路存在一定的局限，优化算法就可以避免无用的排序人浪费的时间。，如果顺序（如从大到小、首字母从Z到A）错误就把他们交换过来。走访元素的工作是重复地进行，直到没有相邻元素需要交换，也就是说该元素列已经排序完成。这个算法的名字由来是因为越小的元素会经由交换慢慢“浮”到数列的顶端（升序或降序排列），就如同碳酸饮料中。它重复地走访过要排序的元素列，依次比较两个相邻的。

2022-10-19 22:42:31 1998