计算机应用
計算機應用
계산궤응용
COMPUTER APPLICATION
2014年
10期
2874-2879
,共6页
吴坤安%严宣辉%陈振兴%白猛
吳坤安%嚴宣輝%陳振興%白猛
오곤안%엄선휘%진진흥%백맹
多样性策略%自适应%多交叉%分散搜索%多目标优化
多樣性策略%自適應%多交扠%分散搜索%多目標優化
다양성책략%자괄응%다교차%분산수색%다목표우화
diversity strategy%self-adaptability%multi-crossover%scatter search%multi-objective optimization
在进化多目标优化算法中,种群的多样性、对目标空间的搜索能力及算法的鲁棒性直接影响算法的收敛能力和解集的分散性.针对这些问题,提出了一种混合分散搜索的进化多目标优化算法(SSMOEA).SSMOEA在混合分散搜索算法架构的同时,重新设计其多样性的选取策略,并引入协同进化机制.此外,为了提高算法的自适应性和鲁棒性,采用了一种新颖的自适应多交叉算子选择方法.SSMOEA与经典的多目标进化算法SPEA2、NSGA-Ⅱ和MOEA/D在12个基准测试函数上的对比结果表明,SSMOEA不仅在求得的Pareto最优解集的宽广性、均匀性和逼近性上有明显优势,而且算法的鲁棒性也有明显的提高.
在進化多目標優化算法中,種群的多樣性、對目標空間的搜索能力及算法的魯棒性直接影響算法的收斂能力和解集的分散性.針對這些問題,提齣瞭一種混閤分散搜索的進化多目標優化算法(SSMOEA).SSMOEA在混閤分散搜索算法架構的同時,重新設計其多樣性的選取策略,併引入協同進化機製.此外,為瞭提高算法的自適應性和魯棒性,採用瞭一種新穎的自適應多交扠算子選擇方法.SSMOEA與經典的多目標進化算法SPEA2、NSGA-Ⅱ和MOEA/D在12箇基準測試函數上的對比結果錶明,SSMOEA不僅在求得的Pareto最優解集的寬廣性、均勻性和逼近性上有明顯優勢,而且算法的魯棒性也有明顯的提高.
재진화다목표우화산법중,충군적다양성、대목표공간적수색능력급산법적로봉성직접영향산법적수렴능력화해집적분산성.침대저사문제,제출료일충혼합분산수색적진화다목표우화산법(SSMOEA).SSMOEA재혼합분산수색산법가구적동시,중신설계기다양성적선취책략,병인입협동진화궤제.차외,위료제고산법적자괄응성화로봉성,채용료일충신영적자괄응다교차산자선택방법.SSMOEA여경전적다목표진화산법SPEA2、NSGA-Ⅱ화MOEA/D재12개기준측시함수상적대비결과표명,SSMOEA불부재구득적Pareto최우해집적관엄성、균균성화핍근성상유명현우세,이차산법적로봉성야유명현적제고.
