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 21篇文章 引用,2标准条款)

显示第1到第20个结果,共21个。
按年份排序(引用)
  1. Bahri,Oumayma;Benamor,Nahla;Talbi,El Ghazali:不确定性下多目标优化的可能性框架(2019年)
  2. 叶田,程冉,张兴义,金耀初:PlatEMO:MATLAB进化多目标优化平台(2017)第十四章
  3. Greco,Salvatore(编辑);Ehrgott,Matthias(编辑);Figueira,JoséRui(编辑):多准则决策分析。最先进的调查。分两卷(2016年)
  4. Gutjahr,Walter J.;Pichler,Alois:随机多目标优化:非尺度化方法综述(2016)
  5. Bahri,Oumayma;Amor,Nahla Ben;El Ghazali,Talbi:三角模糊数排序的新帕累托方法(2014)
  6. Derbel,Bilel;Humeau,Jérémie;Liefoogh,Arnaud;Verel,Sébastien:分布式本地化双目标搜索(2014)
  7. Rath,Stefan;Gutjahr,Walter J.:救灾中仓库选址-路径问题的数学启发式(2014)
  8. 《多维进化算法:多维度进化算法》;Dahutia-2013;Lautia-Gahousel-2013;多维度进化算法;Talbiçzalous-2013)
  9. Humeau,J.;Liefooghe,A.;Talbi,E.-G.;Verel,S.:ParadisEO-MO:从适应度景观分析到有效的局部搜索算法(2013)
  10. Arnaud Liefooghe;Basseur,Matthieu;Humeau,Jérémie;Jourdan,Laetitia;Talbi,El Ghazali:在不确定环境下优化双目标流水车间调度问题(2012)
  11. Liefooghe,Arnaud;Humeau,Jérémie;Mesmoudi,Salma;Jourdan,Laetitia;Talbi,El Ghazali:基于支配的多目标局部搜索:调度和旅行商问题的设计、实现和实验分析(2012)
  12. Tricoire,Fabien;Graf,Alexandra;Gutjahr,Walter J.:双目标随机覆盖旅行问题(2012)
  13. Gutjahr,Walter J.:随机组合优化的元启发式最近趋势(2011)
  14. 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)
  15. Liefooghe,Arnaud;Jourdan,Laetitia;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
  16. Figueira,J.R.;Liefooghe,A.;Talbi,E.-G.;Wierzbicki,A.P.:多目标优化的并行多参考点方法(2010)
  17. Arnaud,Liefooghe;Jourdan,Laetitia;Legrand,Thomas;Humeau,Jérémie;Talbi,El Ghazali:ParadisEO MOEO:进化多目标优化的软件框架(2010)
  18. Eskandari,Hamidreza;Geiger,Christopher D.:噪声问题环境中的进化多目标优化(2009)
  19. García-Nieto,J.;Alba,E.;Jourdan,L.;Talbi,E.:基于敏感性和特异性的多目标特征选择方法:在癌症诊断中的应用(2009)
  20. Arnaud Liefooghe;Basseur,Matthieu;Jourdan,Laetitia;Talbi,El Ghazali:进化多目标优化框架(2007)ioport公司

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