您当前所在位置: 首页

论文收录信息

论文编号 201804-159
论文题目 动态收敛性与多样性指导的高维多目标进化算法
文献类型
收录期刊

上传封面

中文期刊 英文期刊

期刊名称(中文)

期刊名称(英文)

年, 卷(

上传封面

中文专著 英文专著

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

中文译著 英文译著

书名(中文)

书名(英文)

出版地

出版社

出版年

上传封面

中文论文集 英文论文集

编者 . 论文集名称(中文) [c].

出版地 出版社 出版年-

编者 . 论文集名称(英文) [c].

出版地 出版社 出版年-

上传封面

中文文献 英文文献

期刊名称(中文)

期刊名称(英文)

日期--

在线地址http://

上传封面

中文文献 英文文献

文题(中文)

文题(英文)

出版地

出版社, 出版日期--

上传封面

中文文献 英文文献

文题(中文)

文题(英文)

出版地

出版社, 出版日期--

后印本*

(请提交PDF文档)

动态收敛性与多样性指导的高维多目标进化算法

引用

复制文本

导出参考文献

.txt .ris .doc

李智勇

Li Zhi Yong (1971-),male,professor,major research direction:intelligent optimization algorithms and applications, cloud computing and big data analysis, pattern recognition and machine vision, embedded computing and intelligent systems.

林可

发送私信

发送给

湖南大学信息科学与工程学院,湖南省嵌入式与网络计算重点实验室,长沙410082

摘要:保持收敛性和多样性之间的良好平衡对进化算法(EAs)的性能尤为重要。然而,传统的多目标优化算法已经在包含两个或三个目标的各种实际问题中展现出它们优势,但在高维多目标优化问题(MaOPs)中面临着巨大的挑战。本文提出了一个利用分解技术的动态收敛性和多样性指导的高维多目标优化进化算法(DCDG-EA)。 MaOPs 的目标空间被一组均匀分布的参考向量分成$K$个子空间。每个子空间都有其自己的子种群,并与其他子空间并行进化。在DCDG-EA中,收敛和多样性之间的平衡通过基于收敛性和多样性的算子选择(CDOS)策略和基于收敛性和多样性的个体选择(CDIS)策略来实现。在CDOS中,一组算子中的每个算子都被分配了一个选择概率,该选择概率与其收敛性和多样性回报有关。根据选择概率,选择适当的算子来生成后代。此外,CDIS极大地克服了Pareto占优的低效性。它通过两个距离度量分别代表收敛和控制多样性,据此来更新每个子种群。在多达15个目标的DTLZ基准测试问题上的实验结果表明,我们的算法与所选择的四种主流的多目标优化算法相比,在收敛性和多样性方面都具有很大的优势。

关键词: 高维多目标优化,收敛性,多样性,分解,进化算法,Pareto占优

图表:

同行评议

评论

评论一下

全部评论
评论