计算机工程
計算機工程
계산궤공정
COMPUTER ENGINEERING
2014年
2期
212-218
,共7页
多目标优化%海明距离%个体密度%种群维护%个体评价%Pareto 最优
多目標優化%海明距離%箇體密度%種群維護%箇體評價%Pareto 最優
다목표우화%해명거리%개체밀도%충군유호%개체평개%Pareto 최우
multi-objective optimization%Hamming distance%individual density%population maintenance%individual evaluation%Pareto optimization
为提高多目标进化算法的分布性和收敛性，提出一种基于海明距离差异的多目标进化算法。在非支配前沿的基础上定义海明等级，依据海明距离的大小对个体进行选择操作。同时结合海明差异和 Pareto 评价方法，对外部存储器中最优解进行更新和维护，通过结构相似度构建小生境空间，并引导算法趋向 Pareto 最优前沿面。对6个典型函数的测试结果表明，较其他对比算法，该算法在具备收敛性的同时能够保持较好的均匀性分布。
為提高多目標進化算法的分佈性和收斂性，提齣一種基于海明距離差異的多目標進化算法。在非支配前沿的基礎上定義海明等級，依據海明距離的大小對箇體進行選擇操作。同時結閤海明差異和 Pareto 評價方法，對外部存儲器中最優解進行更新和維護，通過結構相似度構建小生境空間，併引導算法趨嚮 Pareto 最優前沿麵。對6箇典型函數的測試結果錶明，較其他對比算法，該算法在具備收斂性的同時能夠保持較好的均勻性分佈。
위제고다목표진화산법적분포성화수렴성，제출일충기우해명거리차이적다목표진화산법。재비지배전연적기출상정의해명등급，의거해명거리적대소대개체진행선택조작。동시결합해명차이화 Pareto 평개방법，대외부존저기중최우해진행경신화유호，통과결구상사도구건소생경공간，병인도산법추향 Pareto 최우전연면。대6개전형함수적측시결과표명，교기타대비산법，해산법재구비수렴성적동시능구보지교호적균균성분포。
In order to improve the distribution and convergence of multi-objective evolutionary algorithm, a kind of Hamming distance-based differences multi-objective evolutionary algorithm is proposed. Hamming grades are defined on the basis of the non-dominated frontier, choosing Hamming distance to operate the individuals. Hamming difference and Pareto evaluation methods are combined to update and maintain the optimal solution of the external memory, using structural similarity to build niche space and guide the algorithm towards Pareto optimal frontier. The test of 6 typical functions shows that, the proposed algorithm has better convergence while maintaining a good uniform distribution than other compared algorithms.
