题名 基于存档和权值扩展的大规模多目标优化算法
被引量：8
1
作者
梁正平 刘程 王志强 明仲 朱泽轩
机构
深圳大学计算机与软件学院
出处
《计算机学报》
EI
CAS
CSCD
北大核心
2022年第5期951-972,共22页
基金
国家重点研发计划(2021YFB2900800) 国家自然科学基金(61871272) +1 种基金 广东省自然科学基金(2020A1515010479,2021A1515011911) 深圳市科技计划(GGFW2018020518310863,20200811181752003)资助。
文摘
由于不同目标之间相互冲突且搜索空间巨大,现有大规模多目标优化算法的综合性能尚存在较大改进空间.为合理均衡算法的搜索效率与搜索质量,提升算法的综合性能,本文提出一种基于存档和权值扩展的大规模多目标优化算法(LSMOEA-AWE).该算法总体采用进化计算框架,基于大规模决策变量与小规模权值变量之间的问题转换进行求解.其核心是在进化过程中选取高质量代表性解及其对立点构建存档高效引导种群的进化方向,并引入权值扩展策略逐步扩大算法的搜索空间,在确保算法搜索效率的同时,提升搜索质量.为验证LSMOEA-AWE的有效性,将其与6个先进的大规模多目标优化算法在最新的大规模多目标基准测试问题集LSMOP上进行对比,实验结果表明LSMOEA-AWE对于大规模多目标优化问题的求解具有明显的竞争优势.
关键词
大规模多目标优化 进化计算 问题转换 存档 权值扩展
Keywords
large -scale multi -objective optimization evolutionary computation problem transformation archive weight extension
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
题名 基于差分进化邻域自适应的大规模多目标算法
被引量：5
2
作者
闫世瑛 颜克斐 方伟 陆恒杨
机构
江南大学人工智能与计算机学院
出处
《系统工程与电子技术》
EI
CSCD
北大核心
2022年第7期2112-2124,共13页
基金
国家自然科学基金(62073155,62002137,62106088,61673194)资助课题。
文摘
对于大规模决策变量给求解大规模多目标优化问题带来的难以收敛及解集分布不均匀问题,通过分析变量特征将其分类再分别优化是当前较为有效的求解方法,但存在变量分类不够准确、变量处理不够有针对性等不足。对此,提出一种基于差分进化邻域自适应策略的大规模多目标优化算法。首先,通过分析扰动解的支配关系将混合变量分为多样性变量和收敛性变量,使变量分类更为准确。其次,通过对收敛性变量主成分分析降噪,降低计算成本,并设计种群的交替进化策略及差分进化的邻域自适应更新操作以提升种群进化过程中的收敛性。实验结果表明,所提算法在收敛速度和解集的分布均匀性上表现出良好的性能。
关键词
大规模多目标优化 协同进化 决策变量分析 主成分分析 邻域自适应更新
Keywords
large -scale multi -objective optimization cooperative coevolution decision variable analysis principal component analysis neighborhood adaptive update
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
题名 基于大规模多目标优化的跳频序列设计方法
3
作者
张毅恒 刘以安 宋海凌
机构
江南大学人工智能与计算机学院 海军研究院
出处
《计算机应用研究》
CSCD
北大核心
2024年第3期887-893,共7页
基金
国家自然科学基金资助项目(62076110) 江苏省自然科学基金资助项目(BK20181341)。
文摘
针对跳频序列设计中存在的规模小和难以兼顾多指标的问题,提出一种基于大规模多目标优化的跳频序列设计方法。首先,综合考虑跳频序列的多项性能指标,建立跳频序列多目标优化模型;然后,引入大规模多目标优化方法,并提出决策变量洗牌策略和反向差分进化,通过重新分配决策变量位置以形成具有多样性的非支配集,并通过使反向个体参与差分进化来为后续进化持续提供有效的方向;最后,通过提出算法对模型进行优化得到跳频序列集。实验结果表明,所提方法相较于其他多目标优化方法具有更强的寻优能力,得到跳频序列集的性能指标具有明显优势;所提方法在不同干扰环境中相较于其他方法具有更低的误码率,验证了提出方法的有效性和优越性。
关键词
抗干扰 跳频序列 大规模多目标优化 洗牌策略 反向学习
Keywords
anti-jamming frequency-hopping sequence(FHS) large -scale multi -objective optimization shuffle strategy opposition-based learning
分类号
TP391
[自动化与计算机技术—计算机应用技术]
题名 基于双重方向向量的大规模多目标进化算法
4
作者
韩立君 王鹏 李瑞旭 刘仲尧
机构
烟台大学计算机与控制工程学院
出处
《计算机科学》
CSCD
北大核心
2024年第S01期237-247,共11页
基金
国家自然科学基金(62072392,61972360,62103350) 山东省重大科技创新工程项目(2019522Y020131) 山东省自然科学基金(ZR2020QF113,ZR2020QF046,ZR2021QF086)。
文摘
大规模多目标优化问题的决策空间维度高达数百维,在巨大的搜索空间中实现快速收敛同时高效保持种群多样性极具挑战。针对上述问题,文中提出了一种基于双重方向向量的大规模多目标进化算法(DDLE),该算法的主要思想是利用两类不同的方向向量引导种群进化,提高算法的搜索效率。首先,设计了一种收敛性方向向量生成策略提升算法的收敛速度;其次,推出了一种多样性方向向量生成策略增强种群的多样性;最后,提出了一种基于自适应的环境选择算子动态平衡种群进化过程中的收敛性与多样性。为验证DDLE的性能,将其与5种先进的算法在72个大规模基准测试问题上进行了对比实验。实验结果表明,DDLE在求解大规模多目标优化问题上相较于其它对比算法具有显著优势。
关键词
进化算法 大规模多目标优化 双重方向向量 收敛性方向向量 多样性方向向量
Keywords
Evolutionary algorithms large -scale multi -objective optimization Dual direction vectors Convergence direction vector diversity direction vector
分类号
TP301
[自动化与计算机技术—计算机系统结构]
题名 求解大规模多目标问题的改进粒子群算法
被引量：5
5
作者
兰丽尔 孙超利 何小娟 谭瑛
机构
太原科技大学应用科学学院 太原科技大学计算机科学与技术学院
出处
《太原科技大学学报》
2020年第4期249-256,共8页
基金
国家自然科学基金(61403272,61472269) 山西省留学回国人员科技活动择优资助项目 东北大学流程工业综合自动化国家重点实验室开放课题。
文摘
针对大规模多目标优化问题,提出了一种基于分解的改进粒子群算法。该方法将分解策略与社会学习粒子群优化算法相结合引入到个体的学习过程中,针对每个个体及其邻域个体,计算其沿权重向量方向与参考点之间的距离以及与权重向量之间的距离并对它们进行排序,个体通过学习离参考点近的任意个体以及离权重向量近的所有个体实现位置的更新。在5个ZDT测试函数上进行了500维和1000维的测试对比,结果表明本文所提的算法具有较好的收敛性以及分布均匀性。
关键词
大规模多目标优化 分解策略 粒子群优化算法
Keywords
large scale multi -objective optimization decomposition strategy particle swarm optimization
分类号
TP30
[自动化与计算机技术—计算机系统结构]
题名 大规模多目标进化优化算法研究进展
被引量：2
6
作者
谢承旺 龙广林 程文旗 郭华
机构
南宁师范大学计算机与信息工程学院
出处
《广西科学》
CAS
2020年第6期600-608,共9页
基金
国家自然科学基金项目(61763010) 广西创新驱动重大专项(AA18118047) 广西研究生教育创新计划项目(YCSW2019182,YCSW2020194)资助。
文摘
现实中存在许多大规模多目标优化问题(Large-scale Multi-objective Optimization Problem,LSMOP),它们对传统的多目标进化算法(Multi-objective Evolutionary Algorithm,MOEA)提出了挑战,有关LSMOP的研究已成为多目标优化领域的研究热点之一。本文系统分析了近年来提出的各种大规模多目标进化优化算法(Large-scale Multi-objective Optimization Evolutionary Algorithm,LSMOEA),根据这些算法的主要思想和技术特点将它们粗略地分成4种类型,即基于协同进化(Cooperative Coevolution,CC)、基于决策变量分析、基于问题重构以及其他方法,并对今后LSMOP的研究方向提出建议,以期将LSMOP的研究引向深入。
关键词
大规模多目标优化 进化算法 协同进化 决策变量分析 变量分组
Keywords
large -scale multi -objective optimization evolutionary algorithm cooperative coevolution decision variable analysis variable grouping
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
题名 一种采用混合策略的大规模多目标进化算法
被引量：2
7
作者
谢承旺 潘嘉敏 郭华 王冬梅 付世炜
机构
华南师范大学数据科学与工程学院 南宁师范大学计算机与信息工程学院 成都职业技术学院软件学院
出处
《计算机学报》
EI
CAS
CSCD
北大核心
2024年第1期69-89,共21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
现实中存在大量的大规模多目标优化问题,这些问题所固有的目标函数间冲突性、巨大的搜索空间以及决策变量可能存在的交互等特征对传统的多目标进化算法构成了巨大的挑战.研究者根据此类问题的特点基于不同的视角提出了多种大规模多目标进化算法,但它们在解题的质量和效率方面尚存较大的提升空间.基于此,提出一种采用混合策略的大规模多目标进化算法LSMOEA/HS.该算法提出的一种黄金分层分组方法将大规模决策变量分成收敛性组和多样性组,然后对收敛性变量组执行基于变量组的相关性检测操作,将收敛性变量组划分成若干更小规模的子组,最后算法采用不同的优化策略分别优化收敛性变量组和多样性变量组以获得最终的解题结果.为验证LSMOEA/HS的有效性,将其与五种新近提出的高效的大规模多目标进化算法一同在决策变量维度为200、500、1000、2000和5000的2-目标和3-目标的LSMOP系列测试实例上进行IGD和HV性能测试,实验结果表明LSMOEA/HS具有显著较优的收敛性和多样性.由此表明,LSMOEA/HS是一种颇具前景的大规模多目标进化算法.
关键词
大规模多目标优化问题 变量分组 进化算法 收敛性 多样性 大规模多目标进化算法
Keywords
large -scale multi -objective optimization problemsvariable grouping evolutionary algorithm convergence diversity large -scale multi -objective evolutionary algorithm
分类号
TP181
[自动化与计算机技术—控制理论与控制工程]
题名 基于社会学习粒子群的大规模多目标优化算法
8
作者
刘能现
机构
福州大学研究生院
出处
《智能计算机与应用》
2023年第6期19-29,共11页
基金
福建省自然科学基金面上项目(2022J01117)。
文摘
现实世界中存在大量多目标优化问题,其中大规模多目标优化问题是目前研究的热点,然而现有多目标进化算法缺少有效进化算子来处理大规模优化问题。因此,本文提出了一种基于社会学习粒子群的大规模多目标优化算法(A largescale multi-objective algorithm based on a social learning particle swarm optimization algorithm,LMOSLPSO)。LMOSLPSO首先采用转换的密度估计策略求解每个粒子的适应值;然后基于社会学习粒子群思想,设计了一种有效的粒子进化的方法;最后执行多目标优化算法RVEA(a reference vector guided evolutionary algorithm)的环境选择操作来选择下一代个体。其中,转换的密度估计策略有利于平衡算法种群收敛性和多样性,新设计的粒子进化的方法有利于提高算法的搜索能力。在9个标准的大规模优化测试问题上,与多个近期提出的多目标优化算法进行对比。实验结果表明,该文所提出的LMOSLPSO算法具有较好的收敛性及分布多样性。
关键词
社会学习粒子群 多目标优化 大规模多目标优化算法
Keywords
social learning particle swarm optimization multi -objective optimization problemlarge -scale multi -objective optimization algorithm
分类号
TP301
[自动化与计算机技术—计算机系统结构]
题名 自适应两阶段大规模约束多目标进化算法
被引量：3
9
作者
于坤杰 杨振宇 乔康加 梁静 岳彩通
机构
郑州大学电气与信息工程学院
出处
《郑州大学学报（工学版）》
CAS
北大核心
2023年第5期1-9,共9页
基金
国家自然科学基金资助项目(62176238,61922072) 河南省高等学校青年骨干教师培养计划(2020GGJS006) +1 种基金 河南省高校科技创新人才(23HASTIT023) 河南省优秀青年基金资助项目(222300420088)。
文摘
针对求解大规模约束多目标优化问题时遇到的收敛速度慢和可行解难以找到的困难,提出了一种自适应两阶段大规模约束多目标进化算法。首先,算法在第一阶段根据决策变量的性质,自适应地选择部分变量进行优化,且不考虑任何约束使种群快速跨过不可行区域,逼近无约束帕累托前沿。其次,算法在第二阶段考虑全部的约束,利用ε约束处理技术对变量进行整体优化;同时,利用存档将进化过程中获得的可行且非支配的解保存并更新,以不断地提高种群的收敛性与多样性。最后,将所提算法与其他6种算法在37个测试函数上进行实验对比,结果表明:所提算法在25个函数上取得了最佳结果,且分别至少在31个函数上优于对比算法;所提算法在90%以上函数中的可行率都能达到100%,可以有效地解决大规模约束多目标优化问题。
关键词
大规模约束多目标优化 算法 自适应 存档集 帕累托前沿 收敛速度 测试函数
Keywords
large -scale constrained multi -objective optimization algorithm self-adaption archive set Pareto front convergence rate test function
分类号
TP301
[自动化与计算机技术—计算机系统结构]
题名 基于自变量简约的大规模稀疏多目标优化
10
作者
丘雪瑶 辜方清
机构
广东工业大学数学与统计学院
出处
《计算机应用研究》
CSCD
北大核心
2024年第6期1663-1668,共6页
基金
广东省自然科学基金资助项目(2021A1515011839)。
文摘
现有的大多数进化算法在求解大规模优化问题时性能会随决策变量维数的增长而下降。通常,多目标优化的Pareto有效解集是自变量空间的一个低维流形,该流形的维度远小于自变量空间的维度。鉴于此,提出一种基于自变量简约的多目标进化算法求解大规模稀疏多目标优化问题。该算法通过引入局部保持投影降维,保留原始自变量空间中的局部近邻关系,并设计一个归档集,将寻找到的非劣解存入其中进行训练,以提高投影的准确性。将该算法与四种流行的多目标进化算法在一系列测试问题和实际应用问题上进行了比较。实验结果表明,所提算法在解决稀疏多目标问题上具有较好的效果。因此,通过自变量简约能降低问题的求解难度,提高算法的搜索效率,在解决大规模稀疏多目标问题方面具有显著的优势。
关键词
局部保持投影 进化算法 大规模稀疏多目标优化问题
Keywords
locality preserving projection multi -objective evolutionary algorithmlarge -scale sparse multi -objective optimization problems
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
题名 基于解空间降维的大规模约束多目标进化算法
被引量：1
11
作者
王朝 黄慧涛 张晶 邱剑锋
机构
安徽大学信息材料与智能感知安徽省实验室 安徽大学人工智能学院 安徽大学自主无人系统技术教育部工程研究中心
出处
《电子学报》
EI
CAS
CSCD
北大核心
2023年第11期3120-3127,共8页
基金
国家自然科学基金(No.62106002) 安徽省自然科学基金(No.2008085QF308,No.2308085MF201)。
文摘
针对大规模约束多目标优化问题呈现的高维度和约束限制的解空间,提出一种基于自编码器的解空间降维方法,用以提升进化算法搜索效率.首先,设计一种可行性标签配对策略训练自编码器,通过同时利用解的可行与不可行两类标签信息,构建包含可行域拓扑信息的降维子空间;其次,在降维后的子空间中进行遗传操作,通过解码器得到重构输出返回原始空间,快速定位潜在的可行区域;最后,设计一种子代自适应生成策略,通过结合在降维空间和原始空间生成的子代优势,防止模型坍塌同时提高搜索效率.在基准测试问题集上与五种先进算法进行对比,实验结果表明所提方法能获得更快的收敛速度和更好的解集质量.
关键词
大规模约束多目标优化 进化算法 自编码器 空间降维 子代生成 可行性
Keywords
large -scale constrained multi -objective optimization evolutionary algorithms auto-encoder solution space reduction offspring generation feasibility
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
