计算机工程与应用
計算機工程與應用
계산궤공정여응용
COMPUTER ENGINEERING AND APPLICATIONS
2006年
32期
7-11
,共5页
实数编码多目标贝叶斯优化算法%决策树%概率模型
實數編碼多目標貝葉斯優化算法%決策樹%概率模型
실수편마다목표패협사우화산법%결책수%개솔모형
提出了一种采用基于决策树概率模型表示各变量之间条件相关性的分布估算算法:实数编码多目标贝叶斯优化算法(RCMBOA).通过构建这样的概率模型,继而对模型进行抽样以产生新个体.再对生成的新个体进行变异操作,以提高算法的搜索能力,增加种群的多样性.这种生成新个体的方法结合非劣分层与截断选择机制,可以很好地逼近多目标问题的Pareto前沿.同时,在进行截断选择时,每次只删除一个排挤距离小的个体,之后重新估算个体的排挤距离,以获得分布均匀的非劣解集.对于约束多目标优化问题,算法采用带约束支配关系判别个体的优劣.用该算法对8个较难的测试问题进行了优化计算,获得的非劣解集与NSGA-Ⅱ算法得到的相比,非劣解集的质量更高,分布更为均匀.计算结果说明RCMBOA是一种有效、鲁棒的多目标优化算法.
提齣瞭一種採用基于決策樹概率模型錶示各變量之間條件相關性的分佈估算算法:實數編碼多目標貝葉斯優化算法(RCMBOA).通過構建這樣的概率模型,繼而對模型進行抽樣以產生新箇體.再對生成的新箇體進行變異操作,以提高算法的搜索能力,增加種群的多樣性.這種生成新箇體的方法結閤非劣分層與截斷選擇機製,可以很好地逼近多目標問題的Pareto前沿.同時,在進行截斷選擇時,每次隻刪除一箇排擠距離小的箇體,之後重新估算箇體的排擠距離,以穫得分佈均勻的非劣解集.對于約束多目標優化問題,算法採用帶約束支配關繫判彆箇體的優劣.用該算法對8箇較難的測試問題進行瞭優化計算,穫得的非劣解集與NSGA-Ⅱ算法得到的相比,非劣解集的質量更高,分佈更為均勻.計算結果說明RCMBOA是一種有效、魯棒的多目標優化算法.
제출료일충채용기우결책수개솔모형표시각변량지간조건상관성적분포고산산법:실수편마다목표패협사우화산법(RCMBOA).통과구건저양적개솔모형,계이대모형진행추양이산생신개체.재대생성적신개체진행변이조작,이제고산법적수색능력,증가충군적다양성.저충생성신개체적방법결합비렬분층여절단선택궤제,가이흔호지핍근다목표문제적Pareto전연.동시,재진행절단선택시,매차지산제일개배제거리소적개체,지후중신고산개체적배제거리,이획득분포균균적비렬해집.대우약속다목표우화문제,산법채용대약속지배관계판별개체적우렬.용해산법대8개교난적측시문제진행료우화계산,획득적비렬해집여NSGA-Ⅱ산법득도적상비,비렬해집적질량경고,분포경위균균.계산결과설명RCMBOA시일충유효、로봉적다목표우화산법.