计算机科学
計算機科學
계산궤과학
COMPUTER SCIENCE
2013年
10期
235-238,273
,共5页
差分进化%局部搜索%NSGA2%分布性
差分進化%跼部搜索%NSGA2%分佈性
차분진화%국부수색%NSGA2%분포성
Differential evolution%Local search%NSGA2%Diversity
NSGA2算法以其Pareto支配的选择模式并辅以解个体密度估计算子选择胜出解的策略而成为了现代多目标进化算法的典范,但是该算法通过计算解个体的聚集距离来保持群体的分布性的机制存在一定的缺陷.鉴于此,提出了一种带差分局部搜索的改进型NSGA2算法.新算法利用差分进化中变异算子的定向引导作用,抽取其中的差分向量,并与NSGA2算法结合以改善解群的分布性.仿真实验表明:新算法较NSGA2算法在解群分布的均匀性和广度上有明显的改善.此外,新算法在时间复杂性方面与经典的NSGA2算法相当.
NSGA2算法以其Pareto支配的選擇模式併輔以解箇體密度估計算子選擇勝齣解的策略而成為瞭現代多目標進化算法的典範,但是該算法通過計算解箇體的聚集距離來保持群體的分佈性的機製存在一定的缺陷.鑒于此,提齣瞭一種帶差分跼部搜索的改進型NSGA2算法.新算法利用差分進化中變異算子的定嚮引導作用,抽取其中的差分嚮量,併與NSGA2算法結閤以改善解群的分佈性.倣真實驗錶明:新算法較NSGA2算法在解群分佈的均勻性和廣度上有明顯的改善.此外,新算法在時間複雜性方麵與經典的NSGA2算法相噹.
NSGA2산법이기Pareto지배적선택모식병보이해개체밀도고계산자선택성출해적책략이성위료현대다목표진화산법적전범,단시해산법통과계산해개체적취집거리래보지군체적분포성적궤제존재일정적결함.감우차,제출료일충대차분국부수색적개진형NSGA2산법.신산법이용차분진화중변이산자적정향인도작용,추취기중적차분향량,병여NSGA2산법결합이개선해군적분포성.방진실험표명:신산법교NSGA2산법재해군분포적균균성화엄도상유명현적개선.차외,신산법재시간복잡성방면여경전적NSGA2산법상당.
