pareto
共 14 篇文章
pareto 相关的电子技术资料，包括技术文档、应用笔记、电路设计、代码示例等，共 14 篇文章，持续更新中。
基于瀑布过程的多重分形模型特性分析与检验
通过连乘瀑布过程的构建方法，采用对称的Beta分布拟合瀑布过程的乘数因子以及独立的pareto分布拟合瀑布过程的随机变量，建立网络流量多重分形模型。求解该模型合成流量的均值、方差、协方差的表达式，得出
网络最大流Pareto扩充研究
<P>将网络容量定义为最大s-t流的流量，建立了带有时间和费用双重限制下的网络容量扩充问题模型。通过网络变换，将该问题转化为可利用成熟算法求解的线性最小费用流问题。研究了给定网络容量扩充目标要求下，求
基于模糊聚类分析与模型识别的微电网多目标优化方法
在微电网调度过程中综合考虑经济、环境、蓄电池的<br />
循环电量，建立多目标优化数学模型。针对传统多目标粒子<br />
群算法(multi-objective particle swarm optimization，MOPSO)<br />
的不足，提出引入模糊聚类分析的多目标粒子群算法<br />
(multi-objective particle swarm optimization a
计算任一点pareto前沿
matlab代码实现，其中包括一些指标比如hv的实现
帕累托最优解
matlab绘制pareto前沿，并且附带C文件以及编译好的mex文件
低能耗和低时延的无线传感器网络数据融合算法
针对无线传感器网络的节点能量有限，且在进行信息传输时存在数据冲突、传输延时等问题，提出并设计了基于最大生存周期的无线传感器网络数据融合算法。该算法将整个网络中的节点分成多个簇，并根据节点的传输范围，将每个簇中的节点均匀分布，每个节点根据自己的本地信息和剩余能量选择通信方式向簇头节点传输数据，从而形成传输数据的最短路径；并根据集中式TDMA（时分多址）调度模型，运用基于微粒群的Pareto优化方法，
摘 由于演化算法求解多目标优化问题所得结果是一个优化解集———Pareto最优集,而现有的演化算法收 敛性分析只适合针对单目标优化问题的单个最优解。利用有限马尔科夫链给出了演化算法求解多目标优化
摘
由于演化算法求解多目标优化问题所得结果是一个优化解集———Pareto最优集,而现有的演化算法收
敛性分析只适合针对单目标优化问题的单个最优解。利用有限马尔科夫链给出了演化算法求解多目标优化问
题的收敛性分析框架,并给出了一个分析实例
为了有效地应用遗传算法解决 鲁棒控制系统设计问题
为了有效地应用遗传算法解决 鲁棒控制系统设计问题，将遗传算法与局部优化方法相结合，提出了基于降维扫描方法的自适应多目标遗传算法（DRSA-MOGA）。通过引入适应度函数标准化方法、基于最优Pareto解集搜索的降维扫描方法和适应度函数自适应调整方法，提高了算法的全局优化性能和局部搜索能力。仿真结果表明，DRSA-MOGA算法在不损失解的均匀度的情况下可以达到很高的逼近度
摘 由于演化算法求解多目标优化问题所得结果是一个优化解集———Pareto最优集,而现有的演化算法收 敛性分析只适合针对单目标优化问题的单个最优解。利用有限马尔科夫链给出了演化算法求解多目标优化
摘
由于演化算法求解多目标优化问题所得结果是一个优化解集———Pareto最优集,而现有的演化算法收
敛性分析只适合针对单目标优化问题的单个最优解。利用有限马尔科夫链给出了演化算法求解多目标优化问
题的收敛性分析框架,并给出了一个分析实例
遗传算法中的NSGA2算法实现
遗传算法中的NSGA2算法实现，解决多目标遗传算法求解Pareto近似解，具有很好的运行效果
遗传算法在曲线多边形近似中的应用 在平面数字曲线的多边形近似中, 为克服顶点的检测只依靠局部区域、缺乏全局信息的弱点, 文中把多边 形近似问题作为寻找在满足一定的近似误差条件下使顶点数最少、或
遗传算法在曲线多边形近似中的应用
在平面数字曲线的多边形近似中, 为克服顶点的检测只依靠局部区域、缺乏全局信息的弱点, 文中把多边
形近似问题作为寻找在满足一定的近似误差条件下使顶点数最少、或者使顶点数和近似误差都尽可能少的最优化
问题来处理. 为了能够处理点数较多的曲线, 文中采用遗传算法和基于Pareto 最优解的改进遗传算法来求近似最
优解. 和一些经典算法的实验比较表明, 文中
现有的PID参数优化方法往往难以同时兼顾系统对快速性、稳定性与鲁棒性的要求
现有的PID参数优化方法往往难以同时兼顾系统对快速性、稳定性与鲁棒性的要求，本文针对这一缺陷，提出了一种多目标PID优化设计方法——在满足系统的鲁棒性的前提下，以超调量、上升时间和调整时间最小作为多目标优化的子目标，并将NSGA-Ⅱ与PGA相结合对其求解。该算法求得的Pareto最优解分布均匀，收敛性和鲁棒性好，决策者可根据实际系统的要求在Pareto解集中选择最终的满意解，这为快速性、稳定性与鲁
由于演化算法求解多目标优化问题所得结果是一个优化解集———Pareto最优集,而现有的演化算法收 敛性分析只适合针对单目标优化问题的单个最优解。利用有限马尔科夫链给出了演化算法求解多目标优化问 题
由于演化算法求解多目标优化问题所得结果是一个优化解集———Pareto最优集,而现有的演化算法收
敛性分析只适合针对单目标优化问题的单个最优解。利用有限马尔科夫链给出了演化算法求解多目标优化问
题的收敛性分析框架,并给出了一个分析实例
To get the Pareto set from a given set of points
To get the Pareto set from a given set of points