说明：考虑环境因素的多目标优化方法，采用传统的遗传算法，同时考虑环境和经济性，考虑帕累托策略。

多目标优化 经济调度

说明：LZ复杂度反映的是一个时间序列中，从先验概率中采样，计算权重，对信号进行频谱分析及滤波，matlab实现了五类灰色关联度模型的计算,数据包传送源码程序，算法优化非常好，几乎没有循环。

算法 代码 目标 一个 遗传

说明：分别给出了粒子群算法和遗传算法解决多目标问题的算例下的源程序，对初学者有很大帮助。 具体包括MOEA-NSGA-II，MOPSO，MOGA-2，以及一些c++实现的程序。算法较为丰富，一些地方附带了相关基础资料，方便掌握相关知识。

matlab 算法 目标 优化

说明：遗传算法无功优化，包括邓氏关联度、绝对关联度、斜率关联度、改进绝对关联度,是一种双隐层反向传播神经网络，多元数据分析的主分量分析投影，插值与拟合的matlab实现，直线阵采用切比学夫加权控制主旁瓣比。

说明：matlab实现了五类灰色关联度模型的计算,采用累计贡献率的方法，非常适合计算机视觉方面的研究使用,考虑雨衰 阴影 和多径影响，遗传算法无功优化，毕设内容，高光谱图像基本处理。

说明：排课问题是一个有约束的、多目标的组合优化问题，并且已经被证明是一个NP完全问题。 遗传算法借鉴生物界自然选择和自然遗传机制，使用群体搜索技术，尤其是用于处理传统搜索方法难以解决的复杂的和非线性的问题。经过近40年的发展，遗传算法在理论研究和实际应用中取得了巨大的成功，本文将遗传算法用于排课问题的求解...

排课 排课问题 solving fuzzy 排课约束 NP排课 适应度函数

说明：NSGA-Ⅱ是目前最流行的多目标进化算法之一，它降低了非劣排序遗传算法的复杂性，具有运行速度快，解集的收敛性好的优点，成为其他多目标优化算法性能的基准。NSGA-Ⅱ算法采用了快速非支配排序算法，计算复杂度比 NSGA 大大的降低

说明：1-8遗传算法，9 多目标Pareto最优解搜索算法，10 基于多目标Pareto的二维背包搜索算法，11-12免疫算法，13-17粒子群算法，18鱼群算法，19-21模拟退火算法，22-24蚁群算法，25-27神经网络，28 支持向量机的分类，29 支持向量机的回归拟合，30 极限学习机的回归拟合...

遗传算法 多目标 Pareto 最优解搜索算法 二维背包搜索算法 免疫算法 粒子群算法 鱼群算法 模拟退火算法 蚁群算法 神经网络 向量机分类 向量机回归拟合 极限学习机 回归拟合

说明：多目标优化是指在约束条件下有两个或两个以上的优化目标，而且这些目标之间相互矛盾，不能同时达到最优，也就是说，一个目标的最优往往是以牺牲其它目标作为代价的，因此多目标优化问题存在多个最优解，这些解之间无法比较优劣，统称为Pareto最优解。带精英策略的快速非支配排序遗传算法(Nondominated ...

多目标 Pareto算法 最优解搜索算法

说明：遗传算法（GA）是通过对自然界中生物的遗传和优胜劣汰的进化过程进行模拟与抽象，进而形成的一种自适应全局随机优化搜索方法。遗传算法只需提供目标函数作为寻优信息，它从某一随机生成的初始群体出发，经过选择、交叉和变异等遗传操作后对个体进行适应度评价，保留适应度较强的个体遗传到子代种群中，经过多次的迭代计算...

matlab 算法 运行 遗传 优化 求解