题名 基于组合模型的复杂系统超多目标优化算法
被引量：3
1
作者
游雄雄 牛占文
机构
天津大学管理与经济学部
出处
《计算机集成制造系统》
EI
CSCD
北大核心
2024年第4期1201-1212,共12页
基金
国家自然科学基金资助项目(71071107) 国家重点研发计划资助项目(2020YFB1712001)。
文摘
代理模型辅助进化算法广泛用于昂贵的复杂工程系统优化设计,能够加速找到问题的最优解集。然而,单个模型预测性能依赖于具体问题,并且随着目标个数的增加,预测性能的不确定性将随之增加。因此,提出一种基于组合模型的复杂系统超多目标优化算法。首先,建立组合代理模型并结合随机参考向量替代机制,以更好地搜索超多目标问题的非支配解集。其次,基于改进的统计下限最小值(LCB)准则及自适应个体选择策略选择优秀个体进行真实评估,以更新组合代理模型,使其能更好地辅助算法找到最优解集。最后,通过所提算法与已有代理模型进化算法在一系列测试函数和工程优化实例上的对比结果表明,所提算法具有良好的性能和潜力。
关键词
超多目标优化 组合代理模型 统计下限最小值准则 个体选择策略
Keywords
many-objective optimization ensemble surrogate model lower confidence bounder utility criterion sampling selection strategy
分类号
N945.15
[自然科学总论—系统科学]
O212.6
[理学—概率论与数理统计]
题名 基于分解和超平面拟合的进化超多目标优化降维算法
被引量：5
2
作者
刘海林 肖俊荣
机构
广东工业大学应用数学学院
出处
《电子与信息学报》
EI
CSCD
北大核心
2022年第9期3289-3298,共10页
基金
国家自然科学基金(62172110) 广东省科技计划项目(2021A0505110004,2020A0505100056)。
文摘
目标降维是研究超多目标优化问题的一个重要方向,它通过恰当的算法设计,能够剔除一些对求解优化问题冗余的目标,达到极大简化优化问题的效果。在超多目标优化降维问题中,前沿界面呈现非线性的情形是最普遍也是最难处理的降维问题。该文提出一种基于分解和超平面拟合的算法(DHA)来处理这类目标降维问题,通过对进化过程中种群的有效分解,使得在几何上非线性分布的非劣解集近似分解为多个近似线性分布的子集,再用系数是稀疏的超平面结合一些扰动项去拟合这些非劣解子集,最后根据该超平面提取出原问题的本质目标集,达到去除冗余目标的效果。为了检验提出算法的有效性,采用DTLZ5(I,m),WFG3(I,m)和MAOP(I,m)作为测试问题集,与代表当今水平的著名算法进行比较。计算机仿真结果表明该文提出的算法无论前沿界面是线性或非线性的情形都具有优异的性能。
关键词
进化算法 超多目标优化 目标 降维冗余目标 超 平面拟合
Keywords
Evolutionary algorithm Many-objective optimization Objective reduction Redundant objective Hyperplane approximation
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
题名 面向约束超多目标优化的双阶段搜索策略研究
被引量：2
3
作者
耿焕同 周征礼 沈俊烨 宋飞飞
机构
南京信息工程大学、计算机学院、软件学院、网络空间安全学院
出处
《计算机工程与应用》
CSCD
北大核心
2023年第7期80-91,共12页
基金
国家自然科学基金(51977100)。
文摘
解决约束超多目标优化问题的关键在于约束处理和均衡收敛性与多样性,搜索空间中的约束阻碍种群寻找Pareto前沿面,容易使种群陷入局部最优,而离散的可行域则使种群的多样性较差。提出组合算子型双阶段搜索策略(two-stagesearch strategy with combined operator,TSCO)。TSCO分两阶段处理约束:一阶段算法仅优化目标函数,种群不受约束制约快速向Pareto前沿面方向接近;二阶段通过目标转换将约束违反度视作一个新目标函数以解决原始约束问题。在搜索过程中使用模拟二进制交叉算子和DE/current-to-pbest/1算子构成的组合算子生成收敛性和多样性优秀的个体。为验证策略有效性,结合TSCO策略的AGE-MOEA(TSCOEA)在C_DTLZ、DC_DTLZ和MW测试集上同4种性能优异的约束超多目标进化算法进行对比。实验表明,在大多数问题上,TSCOEA获得的种群收敛性和多样性更好。
关键词
约束超多目标优化 进化算法 双阶段搜索 组合算子 Minkowski距离
Keywords
constrained many-objective optimization evolutionary algorithm two-stage search combined operator Minkowski distance
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
题名 改进协同演化算法求解超多目标云工作流调度问题
4
作者
周佳军 姬小晖 卢超 高亮
机构
中国地质大学(武汉)计算机学院 华中科技大学机械科学与工程学院
出处
《国防科技大学学报》
北大核心
2025年第2期35-48,共14页
基金
国家自然科学基金资助项目(51825502,51905198,52175490)。
文摘
目前主流优化方法通常将云工作流调度建模为单目标或者不超过三个目标的多目标优化问题,未能充分考虑实际应用场景需求。为克服传统方法局限性,将云工作流调度问题直接建模为涉及时间、费用、可靠性、资源消耗度、负载均衡等众多指标的超多目标优化问题,并针对该问题提出一种改进协同演化算法,利用双阶段策略和多性能指标协同机制有效地平衡解集的收敛性和多样性,提升算法寻优能力。在七类真实工作流实例上的实验表明,所提方法相比现有算法在大多数情况下可找到更好的调度方案。
关键词
云工作流调度 超多目标优化 协同演化 双阶段策略 性能指标
Keywords
cloud workflow scheduling many-objective optimization co-evolution dual-stage strategy performance indicator
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
题名 基于帕累托前沿面曲率预估的超多目标进化算法
被引量：6
5
作者
梁正平 林万鹏 胡凯峰 明仲 朱泽轩
机构
深圳大学计算机与软件学院
出处
《软件学报》
EI
CSCD
北大核心
2023年第9期4096-4113,共18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) 深圳市高等院校稳定支持(20200811181752003)。
文摘
基于分解的超多目标进化算法是求解各类超多目标优化问题的主流方法,其性能在很大程度上依赖于所采用参考向量与真实帕累托前沿面(Pareto front, PF)的匹配程度.现有基于分解的超多目标进化算法尚难以同时有效处理各类PF不同的优化问题.为此,提出了一种基于PF曲率预估的超多目标进化算法(MaOEA-CE).所提算法的核心包括两个方面,首先基于对PF曲率的预估,在每次迭代过程中生成不同的参考向量,以渐进匹配不同类型问题的真实PF;其次在环境选择过程中,再基于预估的曲率选择合适的聚合函数对精英解进行挑选,并对参考向量进行动态调整,在维护种群多样性的同时提升种群的收敛性.为验证MaOEA-CE的有效性,将其与7个先进的超多目标算法在3个主流测试问题集DTLZ、WFG和MaF上进行对比,实验结果表明MaOEA-CE具有明显的竞争力.
关键词
超多目标优化 进化算法 曲率预估 参考向量 环境选择
Keywords
many-objective optimization evolutionary algorithm curvature estimation reference vectors environmental selection
分类号
TP301
[自动化与计算机技术—计算机系统结构]
题名 一种基于目标空间转换权重求和的超多目标进化算法
被引量：3
6
作者
梁正平 骆婷婷 王志强 朱泽轩 胡凯峰
机构
深圳大学计算机与软件学院 深圳大学信息中心
出处
《自动化学报》
EI
CAS
CSCD
北大核心
2022年第4期1060-1078,共19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(2021A1515011911,2020A1515010479) 深圳市科技计划(20200811181752003,GGFW2018020518310863)资助。
文摘
权重求和是基于分解的超多目标进化算法中常用的方法,相比其他方法具有计算简单、搜索效率高等优点,但难以有效处理帕累托前沿面(Pareto optimal front,PF)为非凸型的问题.为充分发挥权重求和方法的优势,同时又能处理好PF为非凸型的问题,本文提出了一种基于目标空间转换权重求和的超多目标进化算法,简称NSGAIII-OSTWS.该算法的核心是将各种问题的PF转换为凸型曲面,再利用权重求和方法进行优化.具体地,首先利用预估PF的形状计算个体到预估PF的距离;然后,根据该距离值将个体映射到目标空间中预估凸型曲面与理想点之间的对应位置;最后,采用权重求和函数计算出映射后个体的适应值,据此实现对问题的进化优化.为验证NSGAIII-OSTWS的有效性,将NSGAIII-OSTWS与7个NSGAIII的变体,以及9个具有代表性的先进超多目标进化算法在WFG、DTLZ和LSMOP基准问题上进行对比,实验结果表明NSGAIII-OSTWS具备明显的竞争性能.
关键词
目标 空间转换权重求和 超多目标优化 进化算法
Keywords
Objective space transformation weighted sum many-objective optimization evolutionary algorithm
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
题名 基于分解和支配关系的超多目标进化算法
被引量：4
7
作者
赵辉 王天龙 刘衍舟 黄橙 张天骐
机构
重庆邮电大学通信与信息工程学院 信号与信息处理重庆市重点实验室
出处
《电子与信息学报》
EI
CSCD
北大核心
2020年第8期1975-1981,共7页
基金
国家自然科学基金(61671095)。
文摘
近年来,超多目标优化问题(MaOPs)成为了进化计算领域的研究热点。然而,在处理各种优化问题中,如何有效地平衡收敛性和多样性仍是一个难题。为了解决上述的问题,该文提出了一种基于分解和支配关系的超多目标进化算法(DdrEA)。首先利用权重向量把整个种群分解为一组子种群,这些子种群将进行协同优化;然后利用角度和角度支配关系计算子种群内每个解的值;最后根据适应度值进行精英选择,即在每个子空间内选取适应度值最小的解作为精英解进入下一代。DdrEA通过与当前较优的NSGA-Ⅱ/AD, RVEA, MOMBI-Ⅱ等多个超多目标进化算法进行实验对比,实验结果表明该文算法性能明显优于对比算法,能够有效平衡种群的收敛性和多样性。
关键词
超多目标优化 分解 支配关系 进化算法
Keywords
Many-objective optimization Decomposition Dominance relation Evolutionary algorithm
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
题名 基于多样性分类和距离回归的进化算法
被引量：2
8
作者
孙哲人 黄玉划 陈志远
机构
南京航空航天大学计算机科学与技术学院
出处
《软件学报》
EI
CSCD
北大核心
2022年第10期3700-3716,共17页
基金
江苏省科技支撑计划(BE2013879)。
文摘
提出了一个基于多样性分类和距离回归的进化算法(DCDREA),以解决昂贵超多目标优化问题(Ma OPs).DCDREA采用随机森林(RF)作为全局分类代理模型,它把种群中所有解作为训练样本,并根据是否为最小相关解,把训练样本分类为正负样本,使模型学习到训练样本中含有的分类标准.全局分类代理模型主要用来筛选新产生的候选解,以得到一组有希望的候选解.此外,它采用Kriging作为局部回归代理模型,其选择种群中距离当前候选解最近的解作为训练样本,拟合训练样本与理想点的距离.然后,通过K-means方法把候选解划分为μ个簇,并从每个簇中选择一个用于真实评估的候选解.在实验部分,使用大规模3、4、6、8、10目标的DTLZ测试问题集,把DCDREA与目前流行的代理辅助进化算法进行对比实验.对于不同测试问题,每个算法独立运行20次,然后统计反向迭代距离(IGD)和算法运行时间.最后,使用秩和检验来分析结果.实验对比结果表明,DCDREA在大多数情况下表现更好.由此可见, DCDREA具有较好的有效性和可行性.
关键词
代理模型 进化算法 超多目标优化 昂贵问题 随机森林 KRIGING
Keywords
surrogate evolutionary algorithm many-objective optimization expensive problem random forest Kriging
分类号
TP301
[自动化与计算机技术—计算机系统结构]
