计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2009年
2期
55-60,130
,共7页
网格%归档集%ε支配%δ支配%虚拟"最优点"%网格存优策略%δ-MOEA
網格%歸檔集%ε支配%δ支配%虛擬"最優點"%網格存優策略%δ-MOEA
망격%귀당집%ε지배%δ지배%허의"최우점"%망격존우책략%δ-MOEA
网格方法被多个进化算法用来保持解集的分布性.基于ε支配概念的ε-MOEA本质上也是基于网格策略的.虽然ε-MOEA通常情况下都能在算法性能的各方面之间取得较为合理的折衷,但是由于其存在固有缺陷,很多时候表现出不容忽视的问题--当PFtrue对某一维的变化率在该维不同区域的差异较大时,解集中边界个体或代表性个体丢失--严重影响解集的分布性.针对这一问题,定义了一种新的δ支配概念和虚拟"最优点"的概念,提出了一种新的网格存优策略,并将之应用于更新进化多目标归档算法的归档集.实验结果显示,基于新的存优策略的进化多目标归档算法(δ-MOEA)具有良好的性能,尤其在分布性方面比NSGA2和ε-MOEA好得多.
網格方法被多箇進化算法用來保持解集的分佈性.基于ε支配概唸的ε-MOEA本質上也是基于網格策略的.雖然ε-MOEA通常情況下都能在算法性能的各方麵之間取得較為閤理的摺衷,但是由于其存在固有缺陷,很多時候錶現齣不容忽視的問題--噹PFtrue對某一維的變化率在該維不同區域的差異較大時,解集中邊界箇體或代錶性箇體丟失--嚴重影響解集的分佈性.針對這一問題,定義瞭一種新的δ支配概唸和虛擬"最優點"的概唸,提齣瞭一種新的網格存優策略,併將之應用于更新進化多目標歸檔算法的歸檔集.實驗結果顯示,基于新的存優策略的進化多目標歸檔算法(δ-MOEA)具有良好的性能,尤其在分佈性方麵比NSGA2和ε-MOEA好得多.
망격방법피다개진화산법용래보지해집적분포성.기우ε지배개념적ε-MOEA본질상야시기우망격책략적.수연ε-MOEA통상정황하도능재산법성능적각방면지간취득교위합리적절충,단시유우기존재고유결함,흔다시후표현출불용홀시적문제--당PFtrue대모일유적변화솔재해유불동구역적차이교대시,해집중변계개체혹대표성개체주실--엄중영향해집적분포성.침대저일문제,정의료일충신적δ지배개념화허의"최우점"적개념,제출료일충신적망격존우책략,병장지응용우경신진화다목표귀당산법적귀당집.실험결과현시,기우신적존우책략적진화다목표귀당산법(δ-MOEA)구유량호적성능,우기재분포성방면비NSGA2화ε-MOEA호득다.
