粒子群算法（启发式算法）的多目标优化，我也翻过一些这方面的论文。
单目标与多目标优化主要区别在于多目标优化问题有多个目标函数,一个解对于某个目标来说可能是较好的,而对于其他目标来讲可能是较差的。
因此，存在一个折衷解的集合，也就是所谓的Pareto集。
教科书上，解决多目标优化问题的方法一般是，通过数学变换把多目标转换为单目标求解，但是实际问题中涉及到多目标优化问题往往具有非线性、不可微、不连续等特征，难以用数学方法搞定。
而启发式算法则不需要这些严格条件，其实也是启发式算法兴起的原因。
单目标与多目标优化主要区别在于多目标优化问题有多个目标函数,一个解对于某个目标来说可能是较好的,而对于其他目标来讲可能是较差的。
因此，存在一个折衷解的集合，也就是所谓的Pareto集。
教科书上，解决多目标优化问题的方法一般是，通过数学变换把多目标转换为单目标求解，但是实际问题中涉及到多目标优化问题往往具有非线性、不可微、不连续等特征，难以用数学方法搞定。
而启发式算法则不需要这些严格条件，其实也是启发式算法兴起的原因。
2024/9/26 7:11:04
450KB
使用BP算法的神经网络手写体数字识别，使用Python语言编写，包含四个文件：训练模块，测试模块，图像显示模块还有一个最简单的神经网络模型。
希望对大家有帮助。
（更改了上一版的一点注释错误）
希望对大家有帮助。
（更改了上一版的一点注释错误）
2024/9/24 22:07:17
3KB