帕拉迪索·莫约

Paradiseo MOEO是一个通用软件框架,致力于设计、实现和分析用于多目标优化的元启发式算法。它基于一个概念模型,该模型倾向于统一迄今为止提出的大量最先进的方法。所有这些方法在这里被认为是同一结构的简单变体:在适应度分配、多样性保持和精英主义等主要问题之后进行的细粒度分解。


zbMATH中的参考文献(参考文献25条,标准条款2)

显示第1到第20个结果,共25个。
按年份排序(引用)
  1. 巴胡里,马约马;Talbi,El Ghazali:基于鲁棒性的模糊多目标问题方法(2021)
  2. 李娟;辛,斌;帕达洛斯,帕诺斯M。;陈杰:基于CVaR的风险度量和基于分解的多目标进化算法求解双目标不确定随机资源分配问题(2021)
  3. 巴哈里,欧梅玛;贝纳莫,纳赫拉;Talbi,El Ghazali:不确定性下多目标优化的可能性框架(2019)
  4. 贝尼特斯·伊达尔戈,A。;内布罗,AJ;加西亚·尼托,J。;俄勒吉州。;Del Ser,J.:jMetalPy:一个基于元启发式的多目标优化的Python框架(2019)阿尔十四
  5. 叶田,程冉,张兴义,金耀初:PlatEMO:MATLAB进化多目标优化平台(2017)阿尔十四
  6. 巴哈里,欧梅玛;本阿莫尔,娜拉;Talbi,El Ghazali:(\beta)-模糊多目标问题的鲁棒性方法(2016)
  7. 格雷科,萨尔瓦托(编辑);艾尔戈特,马提亚斯(编辑);菲盖拉,何塞芮(编):多准则决策分析。最先进的调查。分两卷(2016年)
  8. 古特贾尔,沃尔特J。;Pichler,Alois:随机多目标优化:非尺度化方法综述(2016)
  9. 巴哈里,欧梅玛;阿莫尔,纳拉本;El Ghazali,Talbi:三角模糊数排序的新帕累托方法(2014)
  10. 德贝尔,比勒;休谟,杰瑞米;利福格,阿诺;Verel,Sébastien:分布式局部双目标搜索(2014)
  11. 拉思,斯特凡;Gutjahr,Walter J.:救灾中仓库选址-路径问题的数学启发式(2014)
  12. 达马尼,纳迪亚;萨乌森·克里钦;弗朗索瓦克拉蒂奥;Talbi,El Ghazali:双目标二维向量包装问题多目标进化算法的比较研究(2013)
  13. 休默,J。;利福格,A。;塔尔比,例如-G。;Verel,S.:ParadisEO MO:从适应度景观分析到有效的局部搜索算法(2013)
  14. 利福格,阿诺;巴塞尔,马修;休谟,杰瑞米;约丹,莱蒂娅;Talbi,El Ghazali:在不确定环境下优化双目标flowshop调度问题(2012)
  15. 利福格,阿诺;休谟,杰瑞米;梅萨尔马穆迪;约丹,莱蒂娅;Talbi,El Ghazali:基于优势度的多目标局部搜索:调度和旅行商问题的设计、实现和实验分析(2012)
  16. 三色衣,法比安;格拉夫,亚历山德拉;Gutjahr,Walter J.:双目标随机覆盖旅行问题(2012)
  17. Gutjahr,Walter J.:随机组合优化的元启发式最近趋势(2011)
  18. 多目标优化的元启发式方法。合作方法、不确定性处理及其在物流中的应用(2011)
  19. 利福格,阿诺;约丹,莱蒂娅;Talbi,El Ghazali:基于演化多目标优化概念统一模型的软件框架:ParadisEO MOEO(2011)ioport公司
  20. 菲盖拉,J.R。;利福格,A。;塔尔比,例如-G。;Wierzbicki,A.P.:多目标优化的并行多参考点方法(2010)

更多出版物请访问:http://paradiseo.gforge.inria.fr/index.php?n=About.Publi