期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
用多目标演化优化算法解决约束选址问题 被引量:7
1
作者 付朋辉 康立山 阎震宇 《计算机工程与设计》 CSCD 2003年第3期1-3,共3页
约束选址问题是一个多目标约束优化问题,传统算法(加权法)一次只能得到一个候选解,用多目标演化优化算法对其进行求解,可以一次得到多个候选解,给决策者提供更多的选择余地,以期获得更大的利益。数字试验表明,该方法优于传统多目标优化... 约束选址问题是一个多目标约束优化问题,传统算法(加权法)一次只能得到一个候选解,用多目标演化优化算法对其进行求解,可以一次得到多个候选解,给决策者提供更多的选择余地,以期获得更大的利益。数字试验表明,该方法优于传统多目标优化方法。 展开更多
关键词 多目标演化优化算法 约束选址问题 数学模型 目标函数 模拟退火算法
在线阅读 下载PDF
基于优先级先验的演化大规模多目标安全博弈框架
2
作者 吴宇鹏 钱鸿 +2 位作者 王为业 张杨文辉 周爱民 《计算机研究与发展》 北大核心 2025年第2期458-471,共14页
多目标安全博弈(multi-objective security game,MOSG)旨在同时最优化防御者应对多个异质攻击者获得的收益,在实际应用中具有重要意义.近期提出的基于空间离散化的演化搜索(space discretization based evolutionary search,SDES)框架将... 多目标安全博弈(multi-objective security game,MOSG)旨在同时最优化防御者应对多个异质攻击者获得的收益,在实际应用中具有重要意义.近期提出的基于空间离散化的演化搜索(space discretization based evolutionary search,SDES)框架将MOSG中的带约束的高维阶梯函数优化问题转换为低维组合优化问题,并使用贪心策略解决组合优化任务.虽然SDES能够在有限时间内处理大规模MOSG任务,但是SDES难以收敛到大规模MOSG任务对应的最优Pareto前沿上.一方面,SDES的贪心策略的收敛性假设随问题规模扩大而变得愈发难以满足;另一方面,SDES过多的阶段组件(空间离散化、演化优化、评估、解的精炼)存在阶段耦合的风险,即上游组件的优化质量直接影响下游组件的表现.因此,挖掘并利用MOSG任务中被保护对象的优先级(priority)先验知识,旨在提高解的质量并简化SDES框架,从而提出了SDES-P框架.SDES-P重新设计了SDES的核心组件——评估组件,并移除解的精炼组件.具体而言,SDES-P从具有最大资源的不可行解开始,根据被保护对象优先级先验将被保护对象分成2组,优先级较高的一组对象会逐渐释放资源以找到可行解.最后,SDES-P包含了一种结合优先级先验的演化局部搜索策略,增强最终Pareto前沿的质量.分析出SDES-P可保持SDES所具有的样本复杂度低、规模可扩展性强的优势,并且用实验结果表明,无论MOSG任务是否满足收敛假设,SDES-P可以找到相较于SDES收敛性、多样性更优的高质量Pareto前沿. 展开更多
关键词 大规模演化安全博弈 STACKELBERG博弈 多目标演化优化 优先级先验 局部搜索
在线阅读 下载PDF
一种基于树结构排序的多目标优化演化算法 被引量:1
3
作者 陈柳 周伟 张国平 《计算机工程与应用》 CSCD 北大核心 2005年第2期90-93,164,共5页
多目标优化演化算法(MOEA)是一种新的解多目标优化问题(MOP)的有效算法。针对大多数MOEA采用的表示解优劣的Ranking技术存在的问题,该文提出了一种新的表示方法———树结构来表示解的关系。实验证明这种方法很好地达到Pareto最优,有效... 多目标优化演化算法(MOEA)是一种新的解多目标优化问题(MOP)的有效算法。针对大多数MOEA采用的表示解优劣的Ranking技术存在的问题,该文提出了一种新的表示方法———树结构来表示解的关系。实验证明这种方法很好地达到Pareto最优,有效地保持解的多样性,而且收敛速度快。 展开更多
关键词 多目标优化 多目标优化演化算法 Pareto优 树结构
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部