检索结果-维普期刊中文期刊服务平台

基于两阶段搜索与动态资源分配的约束多目标进化算法被引量：4: 1; 作者马勇健史旭华王佩瑶《计算机应用》 CSCD 北大核心 2024年第1期269-277,共9页; 解决约束多目标优化问题(CMOP)的难点在于平衡目标优化和约束满足的同时兼顾解集的收敛性和多样性。为解决具有大型不可行区域和较小可行区域的复杂约束多目标优化问题,提出一种基于两阶段搜索与动态资源分配的约束多目标进化算法(TSDRA... 展开更多; 关键词约束多目标优化问题两阶段搜索资源分配非支配排序收敛性多样性; 在线阅读下载PDF 职称材料

一种基于协同演化的自适应约束多目标进化算法被引量：1: 2; 作者韩美慧王鹏 +1 位作者李瑞旭刘仲尧《计算机工程》 CAS CSCD 北大核心 2024年第6期124-137,共14页; 约束多目标优化(CMOP)问题的求解旨在将有限的搜索资源合理地配置到约束条件的满足与目标函数的优化2个方面,但问题约束的日趋复杂给求解算法带来了巨大挑战。提出一种基于协同演化的自适应约束多目标进化算法,该算法同时进化2个功能互... 展开更多; 关键词协同演化算法约束多目标优化双重繁殖动态适应度分配函数不可行解; 在线阅读下载PDF 职称材料

基于双阶段搜索的约束进化多任务优化算法被引量：2: 3; 作者赵楷文王鹏童向荣《计算机应用》 CSCD 北大核心 2024年第5期1415-1422,共8页; 高效地平衡算法的多样性、收敛性和可行性是求解约束多目标优化问题(CMOP)的关键;然而,复杂约束的出现给该类问题的求解带来了更大的挑战。因此,提出一种基于双阶段搜索的约束进化多任务优化算法(TEMA),通过完成两个协同进化的任务实现... 展开更多; 关键词约束多目标优化问题进化多任务优化算法双阶段进化机制进化算法约束处理技术; 在线阅读下载PDF 职称材料

改进选择策略的有约束多目标优化算法被引量：2: 4; 作者杨景明王成浩吴绍坤《高技术通讯》 EI CAS 北大核心 2019年第12期1193-1200,共8页; 针对一般多目标优化算法在搜索过程中存在无法有效判断搜索方向和有效利用个体信息的问题,提出了改进选择策略的有约束多目标优化算法(CMOP-ISS)。该算法首先对Deb教授提出的约束占优直接支配选择策略进行改进,使得算法在向可行Pareto... 展开更多; 关键词约束多目标优化(cmop) 选择策略收敛性分布性; 在线阅读下载PDF 职称材料

一种面向移动边缘计算的多用户细粒度任务卸载调度方法被引量：11: 5; 作者崔玉亚张德干 +2 位作者张婷杨鹏朱浩丽《电子学报》 EI CAS CSCD 北大核心 2021年第11期2202-2207,共6页; 在移动边缘计算中(Mobile Edge Computing,MEC),任务卸载可以有效地解决移动设备资源受限的问题,但是将全部任务都卸载到边缘服务器并非最优.本文提出一种面向移动边缘计算的多用户细粒度任务卸载调度新方法,把计算任务看作一个有向无环... 展开更多; 关键词移动边缘计算计算卸载约束多目标优化问题细粒度卸载调度 NSGA-Ⅱ; 在线阅读下载PDF 职称材料

基于协同进化的约束多目标优化算法被引量：2: 6; 作者张祥飞鲁宇明张平生《计算机应用》 CSCD 北大核心 2021年第7期2012-2018,共7页; 针对约束多目标优化算法存在难以有效地兼顾收敛性和多样性的问题,提出一种基于协同进化的约束多目标优化算法。第一阶段,通过基于稳态演化的可行解搜索方式得到一个具有一定数量可行解的种群;第二阶段,将这个种群拆分为两个子种群,并... 展开更多; 关键词约束多目标优化问题双种群协同进化差分进化 PARETO前沿; 在线阅读下载PDF 职称材料

约束多目标进化算法研究进展被引量：1: 7; 作者朱亚文周红标 +1 位作者李杨徐浩渊《计算机应用研究》 CSCD 北大核心 2022年第9期2582-2590,2602,共10页; 约束多目标进化算法(CMOEAs)能够同时处理多个相互冲突的目标函数和约束条件,引导种群逼向可行域的最优解,受到了研究者的广泛重视。首先介绍了约束多目标优化问题(CMOPs)的相关定义和多目标进化算法(MOEAs)的三种分类;其次,系统地分析... 展开更多; 关键词约束多目标优化问题约束多目标进化算法基于支配基于指标基于分解; 在线阅读下载PDF 职称材料

题名基于两阶段搜索与动态资源分配的约束多目标进化算法被引量：4: 1; 作者马勇健史旭华王佩瑶; 机构宁波大学信息科学与工程学院; 出处《计算机应用》 CSCD 北大核心 2024年第1期269-277,共9页; 基金国家自然科学基金资助项目(61773225)。; 文摘解决约束多目标优化问题(CMOP)的难点在于平衡目标优化和约束满足的同时兼顾解集的收敛性和多样性。为解决具有大型不可行区域和较小可行区域的复杂约束多目标优化问题,提出一种基于两阶段搜索与动态资源分配的约束多目标进化算法(TSDRA)。该算法在第一阶段通过忽略约束跨越不可行区域;然后在第二阶段通过动态分配两种计算资源协调局部开发和全局探索,兼顾算法的收敛性和多样性。在LIRCMOP和MW系列测试问题上进行的仿真实验结果表明,与四个代表性的算法CMOEA-MS(Constrained Multi-Objective Evolutionary Algorithm with Multiple Stages)、ToP(Two-phase)、PPS(Push and Pull Search)和MSCMO(Multi Stage Constrained Multi-Objective evolutionary algorithm)相比,所提算法在反转世代距离(IGD)和超体积(HV)上得到了更优异的结果。在LIRCMOP系列测试问题上,TSDRA获得了10个最佳的IGD值和9个最佳的HV值;在MW系列测试问题上,TSDRA获得了9个最佳的IGD值和10个最佳的HV值,表明所提算法可以更有效地解决具有大型不可行区域和较小可行区域的问题。; 关键词约束多目标优化问题两阶段搜索资源分配非支配排序收敛性多样性; Keywords constrained multi-objective optimization Problem(cmop) two-stage search resource allocation nondominated sorting convergence diversity; 分类号 TP183 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名一种基于协同演化的自适应约束多目标进化算法被引量：1: 2; 作者韩美慧王鹏李瑞旭刘仲尧; 机构烟台大学计算机与控制工程学院东方电子集团有限公司调配主站产品部; 出处《计算机工程》 CAS CSCD 北大核心 2024年第6期124-137,共14页; 基金山东省自然科学基金(ZR2020QF113)。; 文摘约束多目标优化(CMOP)问题的求解旨在将有限的搜索资源合理地配置到约束条件的满足与目标函数的优化2个方面,但问题约束的日趋复杂给求解算法带来了巨大挑战。提出一种基于协同演化的自适应约束多目标进化算法,该算法同时进化2个功能互补的种群(主种群和存档种群),使算法在求解复杂约束问题时能够实现约束处理与目标优化之间的良好平衡。首先,主种群进行双重繁殖,首次繁殖过程通过动态适应度分配函数自适应地利用不可行解所携带的有价值信息,使种群在进化前期强调对目标函数的优化,后期强调可行性,二次繁殖则与存档种群进行合作,以提高种群收敛性并维护多样性。然后,提出一种基于角度的选择方案更新存档种群,在保证种群良好多样性的同时保持种群向Pareto前沿的搜索压力。最后,与5种先进的约束多目标进化算法在33个基准问题上进行对比实验,结果表明,所提出的算法在解决各类CMOP问题时与对比算法相比更具优势,其效率平均提高了约67%。; 关键词协同演化算法约束多目标优化双重繁殖动态适应度分配函数不可行解; Keywords co-evolutionary algorithm constrained multi-objective optimization(cmop) dual reproduction dynamic fitness distribution function infeasible solutions; 分类号 TP301.6 [自动化与计算机技术—计算机系统结构]; 在线阅读下载PDF 职称材料

题名基于双阶段搜索的约束进化多任务优化算法被引量：2: 3; 作者赵楷文王鹏童向荣; 机构烟台大学计算机与控制工程学院; 出处《计算机应用》 CSCD 北大核心 2024年第5期1415-1422,共8页; 基金收国家自然科学基金资助项目(62072392,61972360) 山东省重大科技创新工程项目(2019522Y020131) +1 种基金烟台市重点实验室项目。; 文摘高效地平衡算法的多样性、收敛性和可行性是求解约束多目标优化问题(CMOP)的关键;然而,复杂约束的出现给该类问题的求解带来了更大的挑战。因此,提出一种基于双阶段搜索的约束进化多任务优化算法(TEMA),通过完成两个协同进化的任务实现多样性、收敛性和可行性之间的平衡。首先,进化过程由探索和利用两个阶段组成,分别致力于加强算法在目标空间的广泛探索能力和高效搜索能力;其次,设计一种动态约束处理策略以平衡种群中可行解的比例,从而增强算法在可行区域的探索能力;再次,提出一种回退搜索策略,利用无约束Pareto前沿所包含的信息指导算法向约束Pareto前沿快速收敛;最后,在两个基准测试集中的23个问题上进行对比实验。实验结果表明,TEMA分别在14个和13个测试问题上取得最优反世代距离(IGD)值和超体积(HV)值,体现出明显优势。; 关键词约束多目标优化问题进化多任务优化算法双阶段进化机制进化算法约束处理技术; Keywords constrained multi-objective optimization Problem(cmop) evolutionary multitasking optimization algorithm two-stage evolutionary mechanism evolutionary algorithm constraint handling technology; 分类号 TP301.6 [自动化与计算机技术—计算机系统结构]; 在线阅读下载PDF 职称材料

题名改进选择策略的有约束多目标优化算法被引量：2: 4; 作者杨景明王成浩吴绍坤; 机构燕山大学工业计算机控制工程河北省重点实验室; 出处《高技术通讯》 EI CAS 北大核心 2019年第12期1193-1200,共8页; 基金河北省自然科学基金(F2016203249)资助项目; 文摘针对一般多目标优化算法在搜索过程中存在无法有效判断搜索方向和有效利用个体信息的问题,提出了改进选择策略的有约束多目标优化算法(CMOP-ISS)。该算法首先对Deb教授提出的约束占优直接支配选择策略进行改进,使得算法在向可行Pareto前沿进化的同时,可以保留更多优秀不可行解;另外采用双种群策略,利用优秀的可行与不可行个体,共同产生新个体,加快算法的收敛速度。将CMOP-ISS与其他算法在经典测试函数上进行对比实验,结果表明CMOP-ISS不仅提升了算法的收敛性能,而且保证了Pareto解集良好的分布性。; 关键词约束多目标优化(cmop) 选择策略收敛性分布性; Keywords constrained multi-objective optimization(cmop) selection strategy convergence distribution; 分类号 TP3 [自动化与计算机技术—计算机科学与技术]; 在线阅读下载PDF 职称材料

题名一种面向移动边缘计算的多用户细粒度任务卸载调度方法被引量：11: 5; 作者崔玉亚张德干张婷杨鹏朱浩丽; 机构天津理工大学天津市智能计算及软件新技术重点实验室天津理工大学计算机视觉与系统省部共建教育部重点实验室天津体育学院体育经济与管理学院; 出处《电子学报》 EI CAS CSCD 北大核心 2021年第11期2202-2207,共6页; 基金国家自然科学基金(No.61571328) 天津市重大科技专项(No.15ZXDSGX00050,No.16ZXFWGX00010) +2 种基金天津市科技创新和131人才团队(No.TD13-5025,No.2015-23)。; 文摘在移动边缘计算中(Mobile Edge Computing,MEC),任务卸载可以有效地解决移动设备资源受限的问题,但是将全部任务都卸载到边缘服务器并非最优.本文提出一种面向移动边缘计算的多用户细粒度任务卸载调度新方法,把计算任务看作一个有向无环图(Directed Acyclic Graph,DAG),对节点的执行位置和调度顺序进行了优化决策.考虑系统的延迟把计算卸载看作一个约束多目标优化问题(Constrained Multi-object Optimization Problem,CMOP),提出了一个改进的NSGA-Ⅱ算法来解决CMOP.所提出的算法能够实现本地和边缘的并行处理从而减少延迟.实验结果表明,算法能够在实际应用程序中做出最优决策.; 关键词移动边缘计算计算卸载约束多目标优化问题细粒度卸载调度 NSGA-Ⅱ; Keywords mobile edge computing computation offloading constrained multi-objective optimization problem(cmop) fine-grained task offloading scheduling NSGA-Ⅱ; 分类号 TP393 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于协同进化的约束多目标优化算法被引量：2: 6; 作者张祥飞鲁宇明张平生; 机构南昌航空大学航空制造工程学院; 出处《计算机应用》 CSCD 北大核心 2021年第7期2012-2018,共7页; 基金国家自然科学基金面上项目(61866025) 江西省教育厅科技项目(GJJ170572) 南昌航空大学研究生创新专项基金资助项目(YC2019013)。; 文摘针对约束多目标优化算法存在难以有效地兼顾收敛性和多样性的问题,提出一种基于协同进化的约束多目标优化算法。第一阶段,通过基于稳态演化的可行解搜索方式得到一个具有一定数量可行解的种群;第二阶段,将这个种群拆分为两个子种群,并通过双子种群协同进化的方式实现对收敛性和多样性的兼顾;最后采用标准约束多目标优化问题CF1~CF7、DOC1~DOC7和实际工程问题进行仿真实验,以测试所提算法的求解性能。实验结果表明,与基于约束支配准则的非支配排序遗传算法(NSGA-Ⅱ-CDP)、两阶段算法(ToP)、推拉搜索算法(PPS)和约束多目标优化的双存档进化算法(C-TAEA)相比,所提算法在反向世代距离(IGD)和超体积(HV)两个指标上均取得了良好的结果,说明所提算法可以有效地兼顾收敛性和多样性。; 关键词约束多目标优化问题双种群协同进化差分进化 PARETO前沿; Keywords constrained Multiobjective optimization Problem(cmop) double populations coevolution differential evolution Pareto frontiers; 分类号 TP301.6 [自动化与计算机技术—计算机系统结构]; 在线阅读下载PDF 职称材料

题名约束多目标进化算法研究进展被引量：1: 7; 作者朱亚文周红标李杨徐浩渊; 机构淮阴工学院自动化学院; 出处《计算机应用研究》 CSCD 北大核心 2022年第9期2582-2590,2602,共10页; 基金江苏省产学研合作项目(BY2020247) 江苏省研究生科研实践创新计划资助项目(SJCX21_1509)。; 文摘约束多目标进化算法(CMOEAs)能够同时处理多个相互冲突的目标函数和约束条件,引导种群逼向可行域的最优解,受到了研究者的广泛重视。首先介绍了约束多目标优化问题(CMOPs)的相关定义和多目标进化算法(MOEAs)的三种分类;其次,系统地分析了当前CMOEAs中约束处理机制,凝练出当前主要的四种约束处理方法;然后,从基于支配、基于指标、基于分解三个方面对CMOEAs的研究进展进行了详细综述;最后,指明了CMOEAs存在的挑战和未来研究方向。; 关键词约束多目标优化问题约束多目标进化算法基于支配基于指标基于分解; Keywords constrained multi-objective optimization problems(cmops) constrained multi-objective evolutionary algorithms(CMOEAs) domination-based indicator-based decomposition-based; 分类号 TP18 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于两阶段搜索与动态资源分配的约束多目标进化算法	马勇健史旭华王佩瑶	《计算机应用》 CSCD 北大核心	2024	4	在线阅读下载PDF 职称材料
2	一种基于协同演化的自适应约束多目标进化算法	韩美慧王鹏李瑞旭刘仲尧	《计算机工程》 CAS CSCD 北大核心	2024	1	在线阅读下载PDF 职称材料
3	基于双阶段搜索的约束进化多任务优化算法	赵楷文王鹏童向荣	《计算机应用》 CSCD 北大核心	2024	2	在线阅读下载PDF 职称材料
4	改进选择策略的有约束多目标优化算法	杨景明王成浩吴绍坤	《高技术通讯》 EI CAS 北大核心	2019	2	在线阅读下载PDF 职称材料
5	一种面向移动边缘计算的多用户细粒度任务卸载调度方法	崔玉亚张德干张婷杨鹏朱浩丽	《电子学报》 EI CAS CSCD 北大核心	2021	11	在线阅读下载PDF 职称材料
6	基于协同进化的约束多目标优化算法	张祥飞鲁宇明张平生	《计算机应用》 CSCD 北大核心	2021	2	在线阅读下载PDF 职称材料
7	约束多目标进化算法研究进展	朱亚文周红标李杨徐浩渊	《计算机应用研究》 CSCD 北大核心	2022	1	在线阅读下载PDF 职称材料