M em etic算法是求解多目标优化问题最有效的方法之一,融合了局部搜索和进化计算,具有较高的全局搜索能力.混合自适应多目标M em etic算法(HAM A)用基于模拟退火的加权法进行局部搜索,采用Pareto法实现交叉和变异,通过扰动增强算法的exp...M em etic算法是求解多目标优化问题最有效的方法之一,融合了局部搜索和进化计算,具有较高的全局搜索能力.混合自适应多目标M em etic算法(HAM A)用基于模拟退火的加权法进行局部搜索,采用Pareto法实现交叉和变异,通过扰动增强算法的exp loration能力,且进化过程可根据改善率自适应调整,以提高搜索效率并改善算法的鲁棒性.算例测试说明HAM A能产生更接近Pareto前沿且多样性更好的近似集.展开更多
文摘M em etic算法是求解多目标优化问题最有效的方法之一,融合了局部搜索和进化计算,具有较高的全局搜索能力.混合自适应多目标M em etic算法(HAM A)用基于模拟退火的加权法进行局部搜索,采用Pareto法实现交叉和变异,通过扰动增强算法的exp loration能力,且进化过程可根据改善率自适应调整,以提高搜索效率并改善算法的鲁棒性.算例测试说明HAM A能产生更接近Pareto前沿且多样性更好的近似集.