-
题名周期性变量分解的多目标进化算法研究
被引量：2
- 1
-
-
作者
邱飞岳
莫雷平
王丽萍
江波
-
机构
浙江工业大学信息工程学院
浙江工业大学现代教育技术研究所
浙江工业大学智能信息处理研究所
-
出处
《小型微型计算机系统》
CSCD
北大核心
2016年第6期1318-1322,共5页
-
基金
国家自然科学基金项目(61472366
61379077)资助
+1 种基金
浙江省自然科学基金项目(LZ13F020002
LY13F030010)资助
-
文摘
大规模全局优化问题是目前多目标进化算法领域的研究热点和难点.随着优化问题决策变量增多,计算复杂度剧增.针对上述问题,本文给出周期性分解策略,将合作协同融合到多目标粒子群算法中,给出了周期性变量分解的多目标粒子群优化算法(PDMOPSO).将该算法在标准测试函数ZDT1、ZDT3、ZDT6以及DTLZ1、DTLZ2变量扩展后进行仿真实验,并用ε指标和超体积指标对算法性能进行对比分析.实验结果表明,该算法在解决大规模变量的多目标函数中,变量维度越高,比经典多目标优化算法具有更好的多样性与收敛性,同时计算复杂度显著降低.
-
关键词
粒子群优化
大规模变量
周期性分解
合作协同
-
Keywords
particle swarm optimization
large scale variable
periodically decomposition
cooperative co-evolution
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
