改进聚合树的高维多目标降维优化算法

对于高维多目标优化问题,降维优化算法通过去除或融合冗余目标的方法解决算法耗时过多的问题,但同时也会导致算法分布性能下降。聚合树算法定义非参数秩冲突从而可以快速计算出各目标间冲突度,但聚合树算法鲁棒性有待提高,且需要用户自行决策去除冗余目标。针对这些问题,提出数组叠加机制并定义冲突趋势和冲突度误差,以提高算法鲁棒性;通过合并冲突度较低的冗余目标的方法来进行目标降维,并定义降维截止冲突度;与NSGA-III算法结合,以达到对高维多目标问题进行完整降维优化的目的。为检验该算法性能,与其他经典高维算法进行对DTLZ测试函数集的优化对比,实验结果表明,该算法在耗时更少的同时,也具有较为优秀的分布性能和收敛性能。

基于桶消元的联合树算法

一、引言 联合树算法[1]是一种应用广泛的信度网推理算法.根据不同的消息传递方案,可以将联合树算法分为两种:一种基于Hugin消息传递方案,称为Hugin联合算法;另和中采用Shafer-Shenoy消息传递方案[2],称为Shafer-Shenoy联合树算法.下文除特别申明外,提到的联合树算法都是指Hugin联合树算法.