-
题名基于大规模变量分解的多目标粒子群优化算法研究
被引量:18
- 1
-
-
作者
邱飞岳
莫雷平
江波
王丽萍
-
机构
浙江工业大学信息工程学院
浙江工业大学现代教育技术研究所
浙江工业大学信息智能与决策优化研究所
-
出处
《计算机学报》
EI
CSCD
北大核心
2016年第12期2598-2613,共16页
-
基金
国家自然科学基金面上项目(61472366
61379077
+3 种基金
61503340)
浙江省自然科学基金(LZ13F020002
LY13F030010
LY17F020022)资助~~
-
文摘
含有大规模变量的多目标优化问题是目前多目标进化算法领域的研究重点.多目标粒子群优化方法具有收敛性良好、计算简单和参数设置少等优点,但随着优化问题决策变量的增多,"变量维度"成为了瓶颈.针对上述问题,文中提出的变量随机分解策略,增加关联变量分配到同组的概率,使得算法更好的保留变量间的关联性,并将合作协同进化框架融合到算法中,提出了基于大规模变量分解的多目标粒子群优化算法(CCMOPSO).将该算法在经典标准测试函数ZDT1、ZDT2、ZDT3、DTLZ1、DTLZ2变量扩展后进行仿真对比实验,采用加法二进制ε指标和超体积指标(HV)对算法收敛性和多样性进行对比分析,实验结果表明,在解决大规模变量的多目标函数中,变量维度越高,该算法比经典多目标算法MOPSO、NSGA-II、MOEA/D以及GDE3越具有更好的多样性与收敛性,同时使得计算复杂度明显降低.
-
关键词
粒子群优化
大规模变量
随机分解
合作协同
全局优化
-
Keywords
particle swarm optimization
large scale variable
random decomposition
cooperative co-evolution
global optimization
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于多偏好自适应协同的高维目标进化算法
被引量:5
- 2
-
-
作者
王丽萍
彭骏
邱飞岳
莫雷平
-
机构
浙江工业大学经贸学院
浙江工业大学智能信息处理研究所
浙江工业大学教育科学与技术学院
浙江工业大学信息工程学院
-
出处
《小型微型计算机系统》
CSCD
北大核心
2016年第6期1308-1312,共5页
-
基金
国家自然科学基金项目(61472366
61379077)资助
+1 种基金
浙江省自然科学基金项目(LZ13F020002
LY13F030010)资助
-
文摘
在解决高维目标优化问题时,针对多偏好的优化解决方案存在偏好值设置困难和计算复杂度高的缺点,提出一种基于多偏好自适应协同进化的高维目标进化算法.首先利用多个随机偏好引导种群进化,然后利用进化后的种群选择偏好,这两个过程循环交替,实现偏好与种群协同进化来.在协同进化的基础上,为了在最大化偏好的效用性的同时降低计算复杂,进一步提出多偏好自适应策略,即在混合排序的机制下,给与种群一个可变的偏好适应周期.在算法性能仿真实验中,该算法应用于求解2到10目标的WFG测试函数,评估了算法计算复杂度和超体积指标,实验结果表明,在保持解集质量的同时能够有效降低算法的计算复杂度,从而有效改善了解集质量与算法复杂度之间的平衡.
-
关键词
高维多目标
多偏好
自适应
协同进化
-
Keywords
many-objective
preferences
adaptive
cooperative coevolution
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名周期性变量分解的多目标进化算法研究
被引量:2
- 3
-
-
作者
邱飞岳
莫雷平
王丽萍
江波
-
机构
浙江工业大学信息工程学院
浙江工业大学现代教育技术研究所
浙江工业大学智能信息处理研究所
-
出处
《小型微型计算机系统》
CSCD
北大核心
2016年第6期1318-1322,共5页
-
基金
国家自然科学基金项目(61472366
61379077)资助
+1 种基金
浙江省自然科学基金项目(LZ13F020002
LY13F030010)资助
-
文摘
大规模全局优化问题是目前多目标进化算法领域的研究热点和难点.随着优化问题决策变量增多,计算复杂度剧增.针对上述问题,本文给出周期性分解策略,将合作协同融合到多目标粒子群算法中,给出了周期性变量分解的多目标粒子群优化算法(PDMOPSO).将该算法在标准测试函数ZDT1、ZDT3、ZDT6以及DTLZ1、DTLZ2变量扩展后进行仿真实验,并用ε指标和超体积指标对算法性能进行对比分析.实验结果表明,该算法在解决大规模变量的多目标函数中,变量维度越高,比经典多目标优化算法具有更好的多样性与收敛性,同时计算复杂度显著降低.
-
关键词
粒子群优化
大规模变量
周期性分解
合作协同
-
Keywords
particle swarm optimization
large scale variable
periodically decomposition
cooperative co-evolution
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-