-
题名采用个体进化状态判定策略的分解类多目标进化算法
被引量:1
- 1
-
-
作者
李浩君
刘中锋
王万良
张征
张鹏威
-
机构
浙江工业大学教育科学与技术学院
浙江工业大学计算机科学与技术学院
-
出处
《小型微型计算机系统》
CSCD
北大核心
2018年第8期1668-1673,共6页
-
基金
国家社科基金年度项目(16BTQ084)资助
-
文摘
多目标进化算法应用非常广泛,但易陷入局部Pareto前沿.为了提高多目标进化算法平衡全局探索与局部开发的能力,使算法收敛到完整的Pareto前沿,本文提出采用个体进化状态判定策略的分解类多目标进化算法(MOEA/D_PE),MOEA/D_PE算法采用个体进化状态判定策略,判定个体当前的进化状态,然后为个体选择适合其进化状态的变异算子,从而提高算法平衡全局探索与局部开发的能力,使算法收敛到完整的Pareto前沿.实验研究表明,MOEA/D_PE算法在测试函数中表现出,比非支配排序多目标遗传算法和分解类多目标进化算法更好的收敛性和多样性,能够更好地收敛到完整的Pareto前沿.
-
关键词
个体进化状态
变异算子
多目标
分解
-
Keywords
individual evolutionary state
mutation operator
multi-objective
decomposition
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于动态分配邻域策略的分解多目标进化算法
被引量:3
- 2
-
-
作者
王丽萍
沈笑
吴洋
俞维
-
机构
浙江工业大学计算机科学与技术学院
浙江工业大学信息智能与决策优化研究所
浙江工业大学管理学院
-
出处
《浙江工业大学学报》
CAS
北大核心
2021年第3期237-244,共8页
-
基金
国家自然科学基金资助项目(61472366,61379077)
浙江省自然科学基金资助项目(LY17F020022)
浙江省科技发展计划重点项目(2018C01080)。
-
文摘
邻域规模是影响分解多目标进化算法性能的重要因素之一,传统分解多目标进化算法通常对计算复杂度不同的子问题分配相同的邻域规模,算法运行效率受到限制。针对以上问题,提出了一种基于动态分配邻域策略的分解多目标进化算法(MOEA/D-SD):首先,在收敛性方向和多样性角度上评估个体的进化状态;其次,根据进化状态动态调节邻域大小,为每个子问题分配合适的邻域规模,从而提高算法的收敛性和解集整体质量。将所提算法与MOEA/D和MOEA/D-GR算法在ZDT和DTLZ系列测试函数上进行性能对比。仿真实验结果表明:MOEA/D-SD算法的收敛性能明显提升,算法资源分配更加合理,所求解集整体质量有所提升。
-
关键词
多目标优化
选择邻域
个体进化状态
收敛性
多样性
-
Keywords
multi-objective optimization
selection of neighborhoods
individual evolutionary state
convergence
diversity
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-