期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
自适应两阶段分组求解大规模全局优化问题
1
作者
贾欣
王宇嘉
+1 位作者
聂方鑫
孙福禄
《小型微型计算机系统》
CSCD
北大核心
2023年第1期14-23,共10页
协同进化是解决大规模全局优化问题的一种有效策略,但是该策略不能对存在相关性变量的大规模问题进行有效分组,最终导致算法性能下降.针对上述问题,提出一种基于自适应两阶段分组的差分协同进化算法.首先,在第1阶段分组中,根据决策变量...
协同进化是解决大规模全局优化问题的一种有效策略,但是该策略不能对存在相关性变量的大规模问题进行有效分组,最终导致算法性能下降.针对上述问题,提出一种基于自适应两阶段分组的差分协同进化算法.首先,在第1阶段分组中,根据决策变量贡献度,将其分为正促进组和负抑制组;然后,在第2阶段分组中,分别对两组内的变量进行相关性识别,根据相关变量所占比例进行自适应分组;最后,采用差分协同进化算法对分组后的组件进行优化.实验结果表明本文所提方法能够实现对大规模全局优化问题中相关变量的有效分组,提高了算法的收敛性,通过标准大规模优化测试函数集验证了算法的有效性和适用性.
展开更多
关键词
大规模优化问题
两阶段分组
贡献度
相关性
差分协同进化
下载PDF
职称材料
LSMOEA/2s:一种基于变量两阶段分组的多目标进化算法
2
作者
谢承旺
潘嘉敏
+1 位作者
付世炜
廖剑平
《广西科学》
CAS
北大核心
2023年第2期413-420,共8页
大规模多目标优化问题(Large-Scale Multi-objective Optimization Problem,LSMOP)固有的性质给多目标进化算法(Multi-Objective Evolutionary Algorithm,MOEA)带来挑战。目前大多数大规模多目标进化算法(Large-Scale Multi-Objective E...
大规模多目标优化问题(Large-Scale Multi-objective Optimization Problem,LSMOP)固有的性质给多目标进化算法(Multi-Objective Evolutionary Algorithm,MOEA)带来挑战。目前大多数大规模多目标进化算法(Large-Scale Multi-Objective Evolutionary Algorithm,LSMOEA)需要耗费较多的计算资源对大规模决策变量进行分组,使得用于优化问题解的计算资源相对不足,影响了算法效率和解题性能。基于此,本研究提出一种基于变量两阶段分组的多目标进化算法(Large-Scale Multi-Objective Evolutionary Algorithm adopting two-stage variable grouping,LSMOEA/2s)。新算法首先利用基于变量组的相关性检测方法快速识别独立变量,然后利用高频次随机分组方法将非独立变量划分成若干子组,最后利用MOEA/D算法优化所有的独立变量和非独立变量子组。将所提算法与当前4种代表性算法(MOEA/D、CCGDE3、RVEA、S3-CMA-ES)一同在LSMOP系列测试问题上进行反转世代距离(Inverted Generational Distance,IGD)性能测试,结果表明,LSMOEA/2s较其他算法具有显著的性能优势。
展开更多
关键词
大规模决策变量
多目标优化问题
大规模多目标进化算法
两阶段分组
收敛性
多样性
下载PDF
职称材料
题名
自适应两阶段分组求解大规模全局优化问题
1
作者
贾欣
王宇嘉
聂方鑫
孙福禄
机构
上海工程技术大学电子电气工程学院
出处
《小型微型计算机系统》
CSCD
北大核心
2023年第1期14-23,共10页
基金
国家自然科学基金项目(61403249)资助.
文摘
协同进化是解决大规模全局优化问题的一种有效策略,但是该策略不能对存在相关性变量的大规模问题进行有效分组,最终导致算法性能下降.针对上述问题,提出一种基于自适应两阶段分组的差分协同进化算法.首先,在第1阶段分组中,根据决策变量贡献度,将其分为正促进组和负抑制组;然后,在第2阶段分组中,分别对两组内的变量进行相关性识别,根据相关变量所占比例进行自适应分组;最后,采用差分协同进化算法对分组后的组件进行优化.实验结果表明本文所提方法能够实现对大规模全局优化问题中相关变量的有效分组,提高了算法的收敛性,通过标准大规模优化测试函数集验证了算法的有效性和适用性.
关键词
大规模优化问题
两阶段分组
贡献度
相关性
差分协同进化
Keywords
large-scale optimization problem
two-stage grouping
contribution
correlation
differential coevolution
分类号
TP301 [自动化与计算机技术—计算机系统结构]
下载PDF
职称材料
题名
LSMOEA/2s:一种基于变量两阶段分组的多目标进化算法
2
作者
谢承旺
潘嘉敏
付世炜
廖剑平
机构
南宁师范大学计算机与信息工程学院
华南师范大学数据科学与工程学院
出处
《广西科学》
CAS
北大核心
2023年第2期413-420,共8页
基金
国家自然科学基金项目(61763010)
广西自然科学基金项目(2021GXNSFAA075011)资助。
文摘
大规模多目标优化问题(Large-Scale Multi-objective Optimization Problem,LSMOP)固有的性质给多目标进化算法(Multi-Objective Evolutionary Algorithm,MOEA)带来挑战。目前大多数大规模多目标进化算法(Large-Scale Multi-Objective Evolutionary Algorithm,LSMOEA)需要耗费较多的计算资源对大规模决策变量进行分组,使得用于优化问题解的计算资源相对不足,影响了算法效率和解题性能。基于此,本研究提出一种基于变量两阶段分组的多目标进化算法(Large-Scale Multi-Objective Evolutionary Algorithm adopting two-stage variable grouping,LSMOEA/2s)。新算法首先利用基于变量组的相关性检测方法快速识别独立变量,然后利用高频次随机分组方法将非独立变量划分成若干子组,最后利用MOEA/D算法优化所有的独立变量和非独立变量子组。将所提算法与当前4种代表性算法(MOEA/D、CCGDE3、RVEA、S3-CMA-ES)一同在LSMOP系列测试问题上进行反转世代距离(Inverted Generational Distance,IGD)性能测试,结果表明,LSMOEA/2s较其他算法具有显著的性能优势。
关键词
大规模决策变量
多目标优化问题
大规模多目标进化算法
两阶段分组
收敛性
多样性
Keywords
large-scale decision variables
multi-objective optimization problem
Large-Scale Multi-Objective Evolutionary Algorithm
two-stage variable grouping
convergence
diversity
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
自适应两阶段分组求解大规模全局优化问题
贾欣
王宇嘉
聂方鑫
孙福禄
《小型微型计算机系统》
CSCD
北大核心
2023
0
下载PDF
职称材料
2
LSMOEA/2s:一种基于变量两阶段分组的多目标进化算法
谢承旺
潘嘉敏
付世炜
廖剑平
《广西科学》
CAS
北大核心
2023
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部