计算机应用
計算機應用
계산궤응용
COMPUTER APPLICATION
2014年
10期
2880-2885
,共6页
分解%强度帕累托%进化算法%多目标优化%帕累托最优
分解%彊度帕纍託%進化算法%多目標優化%帕纍託最優
분해%강도파루탁%진화산법%다목표우화%파루탁최우
decomposition%strength Pareto%evolutionary algorithm%multi-objective optimization%Pareto optimality
在多目标进化优化中,使用分解策略的基于分解的多目标进化算法(MOEA/D)时间复杂度低,使用强度帕累托进化算法-2(SPEA2)能得到分布均匀的解集.结合这两种策略,提出一种新的多目标进化算法用于求解具有复杂、不连续的帕累托前沿的多目标优化问题(MOP).首先,利用分解策略快速逼近帕累托前沿;然后,利用强度帕累托策略使解集均匀分布在帕累托前沿,利用解集重置分解策略中的权重向量集,使其适配于特定的帕累托前沿;最后,利用分解策略进一步逼近帕累托前沿.使用的反向世代距离(IGD)作为度量标准,将新算法与MOEA/D、SPEA2和paλ-MOEA/D在12个基准问题上进行性能对比.实验结果表明该算法性能在7个基准问题上最优,在5个基准问题上接近于最优,且无论MOP的帕累托前沿是简单或复杂、连续或不连续的,该算法均能生成分布均匀的解集.
在多目標進化優化中,使用分解策略的基于分解的多目標進化算法(MOEA/D)時間複雜度低,使用彊度帕纍託進化算法-2(SPEA2)能得到分佈均勻的解集.結閤這兩種策略,提齣一種新的多目標進化算法用于求解具有複雜、不連續的帕纍託前沿的多目標優化問題(MOP).首先,利用分解策略快速逼近帕纍託前沿;然後,利用彊度帕纍託策略使解集均勻分佈在帕纍託前沿,利用解集重置分解策略中的權重嚮量集,使其適配于特定的帕纍託前沿;最後,利用分解策略進一步逼近帕纍託前沿.使用的反嚮世代距離(IGD)作為度量標準,將新算法與MOEA/D、SPEA2和paλ-MOEA/D在12箇基準問題上進行性能對比.實驗結果錶明該算法性能在7箇基準問題上最優,在5箇基準問題上接近于最優,且無論MOP的帕纍託前沿是簡單或複雜、連續或不連續的,該算法均能生成分佈均勻的解集.
재다목표진화우화중,사용분해책략적기우분해적다목표진화산법(MOEA/D)시간복잡도저,사용강도파루탁진화산법-2(SPEA2)능득도분포균균적해집.결합저량충책략,제출일충신적다목표진화산법용우구해구유복잡、불련속적파루탁전연적다목표우화문제(MOP).수선,이용분해책략쾌속핍근파루탁전연;연후,이용강도파루탁책략사해집균균분포재파루탁전연,이용해집중치분해책략중적권중향량집,사기괄배우특정적파루탁전연;최후,이용분해책략진일보핍근파루탁전연.사용적반향세대거리(IGD)작위도량표준,장신산법여MOEA/D、SPEA2화paλ-MOEA/D재12개기준문제상진행성능대비.실험결과표명해산법성능재7개기준문제상최우,재5개기준문제상접근우최우,차무론MOP적파루탁전연시간단혹복잡、련속혹불련속적,해산법균능생성분포균균적해집.
