期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
基于自适应惩罚策略的MOEA/D算法设计及应用 被引量:1
1
作者 柯永斌 周红标 《微电子学与计算机》 北大核心 2020年第7期59-65,共7页
基于分解的多目标进化算法(Multiobjective evolutionary algorithm based on decomposition, MOEA/D)将一个多目标优化问题(multiobjective optimization problem, MOP)分解成一系列的单目标优化子问题,然后利用相互协作的进化方式优... 基于分解的多目标进化算法(Multiobjective evolutionary algorithm based on decomposition, MOEA/D)将一个多目标优化问题(multiobjective optimization problem, MOP)分解成一系列的单目标优化子问题,然后利用相互协作的进化方式优化这些子问题. MOEA/D利用独特的分解机制促进种群逼近Pareto最优前端(Pareto optimal front, POF),同时利用均匀分布的权重向量维护种群的多样性,在解决MOPs时具有较大的优势.但是,在实际工程中,大多数MOPs的POF具有复杂的特性.比如说POF可能具有长尾和顶点,这极大地降低了MOEA/D算法的性能.基于惩罚的边界交集法(penalty-based boundary intersection, PBI)是MOEA/D常用的分解方法之一.在PBI法中,惩罚因子起着平衡算法收敛性和多样性的关键作用.本文提出了一种自适应惩罚策略(adaptive penalty strategy, APS),能够在进化过程中自适应调整每个权重向量对应的惩罚因子值,有效地增强了近似Pareto前端的多样性.最后,利用六个具有复杂POF的基准MOPs和空间桁架结构多目标优化实验验证了所提MOEA/D-APS算法的有效性. 展开更多
关键词 多目标优化 分解 基于惩罚的边界交集法 自适应惩罚策略 复杂Pareto最优前沿 空间桁架结构优化
下载PDF
一种适应度排序的高维多目标粒子群优化算法 被引量:3
2
作者 杨五四 陈莉 +1 位作者 王毅 张茂省 《西安电子科技大学学报》 EI CAS CSCD 北大核心 2021年第3期78-84,共7页
针对高维多目标优化问题复杂度高,求解难度大的特点,提出了一种集成适应度排序的高维多目标粒子群优化算法。该算法通过获取种群中个体与参考点最近的向量,结合基于惩罚的边界交叉方法对种群中的个体进行排序,并对较差的个体进行删除,... 针对高维多目标优化问题复杂度高,求解难度大的特点,提出了一种集成适应度排序的高维多目标粒子群优化算法。该算法通过获取种群中个体与参考点最近的向量,结合基于惩罚的边界交叉方法对种群中的个体进行排序,并对较差的个体进行删除,留下的精英个体被保存到外部档案中。将该算法与性能先进的4种高维多目标进化优化算法在13个标准测试实例的5,8,10,15目标上进行实验对比,结果表明,提出的算法在大多数测试用例上的性能表现优于对比算法,同时说明了该算法具有较好的收敛性与多样性,能够有效地处理高维多目标优化问题。 展开更多
关键词 集成适应度排序 高维多目标优化 粒子群优化 基于惩罚的边界交叉方法
下载PDF
基于分解的多目标优化算法研究与分析
3
作者 弓佳明 章腾浩 许丽娟 《现代计算机》 2022年第21期11-17,25,共8页
基于分解的多目标优化算法(MOEA/D)是多目标优化算法(MOEAs)中的一个重要分支。分解策略是传统数学规划中为了解决多目标的优化问题(MOP)推荐的基本方法。分解方法分为线性方法和非线性方法,在多目标优化中,每个目标聚合成为一个单目标... 基于分解的多目标优化算法(MOEA/D)是多目标优化算法(MOEAs)中的一个重要分支。分解策略是传统数学规划中为了解决多目标的优化问题(MOP)推荐的基本方法。分解方法分为线性方法和非线性方法,在多目标优化中,每个目标聚合成为一个单目标优化问题,使得到一个优化单一目标,并且运用该优化方法得到单目标优化的Pareto最优解。MOEA/D中常用的分解方法有权重聚合法、切比雪夫法和基于惩罚的边界交集法。论文通过介绍切比雪夫方法对基于分解方法的MOEA/D算法进行研究分析。 展开更多
关键词 基于分解 多目标优化 权重聚合法 切比雪夫法 基于惩罚的边界交集法
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部