-
题名基于alpha支配的高维目标进化算法研究
被引量：5
- 1
-
-
作者
林梦嫚
周欢
王丽萍
-
机构
浙江工业大学经贸管理学院
浙江工业大学信息工程学院
浙江工业大学信息智能与决策优化研究所
-
出处
《计算机科学》
CSCD
北大核心
2017年第1期264-270,共7页
-
基金
国家自然科学基金:基于多偏好与变量分解的大规模高维目标优化方法及应用研究(61472366)
基于轮廓线段簇的隐式形状模型及其优化方法研究(6139077)
+1 种基金
浙江省自然科学基金:融合侧步爬山策略的大规模变量多目标协同进化算法研究(LY13F030010)
基于双极偏好占优的高维目标进化算法研究(LZ13F020002)资助
-
文摘
基于Pareto支配的多目标进化算法能够很好地处理2~3维的多目标优化问题。但在处理高维多目标问题时,随着目标维数的增大,支配受阻解的数量急剧增加,导致现有的多目标算法存在选择压力不够、优化效果较差的问题。通过引入α支配提供严格的Pareto分层,在同层中挑选相对稀疏的解作为候选解,同时详细分析不同α对算法性能的影响,提出一种新的基于α偏序和拥塞距离抽样的高维目标进化算法。将该算法在DTLZ上进行性能测试,并采用世代距离(GD)、空间评价(SP)、超体积(HV)等多个指标评估算法的性能。实验结果表明,引入α支配能去除绝大部分支配受阻解(DRSs),提高算法的收敛性。与快速非支配排序算法(NSGA-II)、基于分解的多目标进化算法(MOEA/D)、基于距离更新的分解多目标进化算法(MOEA/D-DU)相比,该算法的整体解集的质量有明显提高。
-
关键词
高维目标优化
非支配受阻解
拥塞距离
超体积
-
Keywords
Many-objective optimization,Dominance resistance solutions,Congestion distance, Highpervolume
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
