科学技术与工程
科學技術與工程
과학기술여공정
SCIENCE TECHNOLOGY AND ENGINEERING
2014年
28期
108-112
,共5页
多目标进化%高维目标%全排序%混沌
多目標進化%高維目標%全排序%混沌
다목표진화%고유목표%전배서%혼돈
multiobjective evolutionary algorithm%high-dimension objective%full ranking%chaotic model
当前大部分多目标进化算法采用Pareto排序为种群个体指定适应度值;然而随着优化目标个数增加,种群中非支配个体的比例越来越大,造成上述算法的搜索能力迅速下降.针对高维(4个以上)目标优化问题,提出了一种全排序方法;该排序方法与Pareto排序具有一致性,并且能够对非支配解进行比较;因此基于全排序的多目标进化算法不受目标个数增加的影响.为了提高算法的优化效果,设计了一个混沌映射算子,用来周期性地初始化种群,以保证种群的多样性与均匀分布.最后,采用标准测试问题对所提算法与著名的非支配快速排序遗传算法(NSGA2)进行了实验比较.结果表明在高维目标优化问题中,所提算法无论在收敛精度,还是算法运行效率上都高于NSGA2算法.
噹前大部分多目標進化算法採用Pareto排序為種群箇體指定適應度值;然而隨著優化目標箇數增加,種群中非支配箇體的比例越來越大,造成上述算法的搜索能力迅速下降.針對高維(4箇以上)目標優化問題,提齣瞭一種全排序方法;該排序方法與Pareto排序具有一緻性,併且能夠對非支配解進行比較;因此基于全排序的多目標進化算法不受目標箇數增加的影響.為瞭提高算法的優化效果,設計瞭一箇混沌映射算子,用來週期性地初始化種群,以保證種群的多樣性與均勻分佈.最後,採用標準測試問題對所提算法與著名的非支配快速排序遺傳算法(NSGA2)進行瞭實驗比較.結果錶明在高維目標優化問題中,所提算法無論在收斂精度,還是算法運行效率上都高于NSGA2算法.
당전대부분다목표진화산법채용Pareto배서위충군개체지정괄응도치;연이수착우화목표개수증가,충군중비지배개체적비례월래월대,조성상술산법적수색능력신속하강.침대고유(4개이상)목표우화문제,제출료일충전배서방법;해배서방법여Pareto배서구유일치성,병차능구대비지배해진행비교;인차기우전배서적다목표진화산법불수목표개수증가적영향.위료제고산법적우화효과,설계료일개혼돈영사산자,용래주기성지초시화충군,이보증충군적다양성여균균분포.최후,채용표준측시문제대소제산법여저명적비지배쾌속배서유전산법(NSGA2)진행료실험비교.결과표명재고유목표우화문제중,소제산법무론재수렴정도,환시산법운행효솔상도고우NSGA2산법.