基于双极偏好占优的高维目标进化算法

高维目标优化是目前多目标优化领域的研究热点和难点.提出一种占优机制,即双极偏好占优用于处理高维目标优化问题.该占优机制同时考虑决策者的正偏好和负偏好信息,在非支配解之间建立了更加严格的占优关系,能够有效减少种群中非支配解的比例,引导算法向靠近正偏好同时远离负偏好的Pareto最优区域收敛.为检验该方法的有效性,将双极偏好占优融入NSGA-II中,形成算法2p-NSGA-II,并在2到15目标标准测试函数上进行测试,得到了良好的实验结果.同时,将所提出的占优机制与目前该领域的两种占优机制g占优和r占优进行性能对比,实验结果表明,2p-NSGA-II算法无论是在求解精度还是运行效率上,整体上均优于g-NSGA-II和r-NSGA-II.

基于双极偏好控制的多目标粒子群优化算法

考虑双极偏好信息对粒子群的控制作用,提出一种使用双极偏好——正偏好和负偏好引导粒子群向Pareto前沿偏好区域进化的方法.根据TOPSIS决策法思想,将外部种群粒子与正负偏好点的相对贴近度排序作为外部种群管理和全局最优解更新策略;根据贴近度值确定解集的分布度;选取6种不同类型的多目标测试函数进行算法模拟,从世代距离、空间测度和超体积测度3个指标与基于单极偏好的多目标粒子算法进行性能比较.结果显示,基于双极偏好控制的多目标粒子群算法的收敛性和综合性能更优秀.

基于双极偏好的滑动窗口参数优化方法

滑动窗口是形状匹配中的常用检测方法,可以检测图像中不同尺度不同位置的多个物体。检测效果采用检测率和误检率来衡量。在传统的滑动窗口检测方法中,通常基于经验选取滑动步长和图像缩放规模这两个参数值,来获得较高的检验率和较低的误检率。然而这是典型的两目标优化问题,传统方法未考虑决策者对检验率与误检率的不同偏好。根据实际情况,考虑到决策者的正偏好(高检验率与低误检率)及负偏好(低检验率和高误检率),引入双极偏好控制策略,提出基于双极偏好的多目标粒子群算法(BPMOPSO)的滑动窗口参数优化方法。通过Leeds Cows图像数据集上图像的检测实验结果表明,与传统算法相比,该算法显著改善了滑动窗口检测中的检验率和误检率,且大大提高了运行效率。

基于双极偏好占优的多目标进化算法及其应用

为有效处理决策者能够提供双极偏好信息的多目标优化问题,加快原有算法的收敛速度,借鉴逼近理想解方法和搜索空间区域划分思想,定义了一种新型双极偏好占优关系,并引入到NSGA-Ⅱ算法中,设计了相应的非支配排序策略、种群多样性策略和约束处理策略,提出一种基于双极偏好占优的NSGA-Ⅱ算法(2p-NSGA-Ⅱ)。将该算法应用于求解两桁架结构设计的工程问题,对比仿真实验结果表明了2p-NSGA-Ⅱ算法的有效性。

基于双极偏好占优的阵列天线优化方法

传统进化算法在解决4个或4个以上目标的阵列天线综合问题时,出现了选择压力不足的难题。给出了一种基于双极偏好占优的阵列天线优化设计方法,该方法借助决策者根据解决实际问题的经验给出的目标值偏好,采用TOPSIS方法,比较Pareto解之间的相对贴近度值,建立了严格的非支配关系,引导种群向高的定向辐射方向图及低的零陷值靠近。为了可视化高维空间中的解集,用高维空间对角技术法对高维空间上的解进行可视化,并将该方法与现有的3种多目标优化方法进行解集质量优劣的比较与分析。仿真结果显示,该方法在解决4个以上目标的阵列天线综合问题时具有更好的收敛性以及更多的优秀解个数。