题名 一种基于行列式点过程的代理模型辅助多目标进化算法
1
作者
吴子聪 李金龙
机构
中国科学技术大学人工智能与数据科学学院
出处
《计算机应用研究》
北大核心
2025年第9期2607-2613,共7页
基金
国家自然科学基金面上项目(61573328)。
文摘
为了提高用于更新代理模型的解集的多样性和收敛性以提高代理模型准确度,提出一种基于行列式点过程(determinantal point process,DPP)的代理模型辅助多目标进化算法(surrogate-assisted evolutionary algorithm,SAEA)。首先,提出一种基于行列式点过程的模型管理方法,从非支配解集基于行列式点过程选取子集并用真实目标函数评估,再从所有经真实目标函数评估的解中选取子集用于更新代理模型。另一方面,提出一种基于自适应行列式点过程的环境选择方法,在进化过程的早期侧重于提高种群的收敛性,在进化过程的后期侧重于提高种群的多样性。最后,基于DTLZ、WFG、MAF测试问题验证算法的有效性。将所提算法与K-RVEA、KTA2、CSEA等常用算法进行比较,使用IGD+指标进行评估。实验结果显示所提出的算法能得到更优的解集,从而证明了其高计算代价多目标优化问题上的有效性。
关键词
代理辅助多目标优化 进化算法 模型管理 环境选择 行列式点过程 收敛性 多样性
Keywords
surrogate-assisted multi-objective optimization evolutionary algorithmsurrogate management environmental selection determinantal point processes convergence diversity
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
题名 向量角选择和指标删除的高维多目标进化算法
2
作者
顾清华 骆家乐 李学现
机构
西安建筑科技大学管理学院 西安建筑科技大学西安市智慧工业感知、计算与决策重点实验室 西安建筑科技大学资源工程学院
出处
《计算机科学与探索》
CSCD
北大核心
2024年第2期425-438,共14页
基金
国家自然科学基金(52074205) 陕西省自然科学基金杰青项目(2020JC-44)。
文摘
针对进化算法求解高维多目标优化问题平衡收敛性和多样性所面临的挑战,提出了向量角选择和指标删除的高维多目标进化算法(MOEA/AS-ID)。该算法在环境选择过程中设计了一种包含两种策略的协作机制逐一删除收敛性和多样性差的解以保留精英个体参与下一代的进化。前者基于向量角的选择策略用于选择一对在目标空间具有相似搜索方向的解,后者基于指标的删除策略采用同时兼顾个体收敛性和分布性的I_(SDE)^(+)指标比较被选择的这一对解,然后删除具有较小指标值的解,进而促使种群朝各个方向收敛到帕累托最优前沿,最终平衡解集的收敛性和多样性。在包含各种特征的3组标准测试系列问题DTLZ、SDTLZ、MaF上,MOEA/AS-ID与近年提出的6个涵盖了当前各种类型的高维多目标进化算法执行了广泛的对比仿真实验和数值结果分析。仿真结果和数值分析表明所提算法MOEA/AS-ID求解各种特征的高维多目标优化问题平衡收敛性和多样性的能力具有较强的竞争力。
关键词
进化算法 高维多目标优化 向量角选择 指标删除 收敛性 多样性
Keywords
evolutionary algorithmmany-objective optimization vector angle selection indicator deletion conver-gence diversity
分类号
TP301
[自动化与计算机技术—计算机系统结构]
题名 基于相异性选择的密度聚类算法研究
被引量：2
3
作者
胡文瑜 孙志挥 周晓云
机构
东南大学计算机科学与工程系
出处
《小型微型计算机系统》
CSCD
北大核心
2006年第9期1601-1604,共4页
基金
国家自然科学基金项目(70371015)资助 教育部高等学校博士点科研基金项目(20040286009)资助 福建省教育厅科技项目(JA05307)资助
文摘
在最优K相异性算法(OptiSim)的基础上,提出一种扩展的最优K相异性算法(EOptiSim),由于EOptiSim在处理组合数据库和分布式数据库方面能弥补基本的OptiSim方法的不足,所以通过在DBSCAN算法之前应用OptiSim或EOptiSim多样化代表性子集选择技术,在显著降低I/O耗费和内存需求的同时,不仅能够有效地聚类单一的大规模空间数据库,而且还能聚类大规模组合数据库或分布式数据库.实验结果表明本文的算法是可行、有效的.
关键词
聚类分析 多样化代表性子集选择 相异性选择算法 密度聚类算法
Keywords
clustering analysis diverse representative subset selection dissimilarity selection algorithm density -based clustering algorithm
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
TP18
[自动化与计算机技术—控制理论与控制工程]
题名 一种求解函数优化的混合差分演化算法
被引量：4
4
作者
林志毅 李元香
机构
武汉大学软件工程国家重点实验室
出处
《系统仿真学报》
CAS
CSCD
北大核心
2009年第13期3885-3888,3893,共5页
基金
863计划项目(2007AA01Z290) 国家自然科学基金项目(60773009) 湖北省自然科学基金(2007ABA009)
文摘
为了解决传统遗传算法易陷入局部最优解的问题,在多父体杂交算法和差分进化算法的基础上,提出了混合差分演化算法。该算法的核心在于,采用多父体杂交算子保证算法的遍历性,通过淘汰相同个体来保持群体的多样性,并以较小概率随机选取部分个体进行差分进化操作,从而充分利用最优个体的信息达到了加快收敛速度的目的。对复杂函数的寻优实验验证了混合差分演化算法的有效性。
关键词
选择压力 种群多样性 多父体杂交算法 差分进化算法 混合差分演化算法
Keywords
selection pressure population diversity multi-parent crossover algorithm differential evolution hybrid differential evolutionary algorithm
分类号
TP311
[自动化与计算机技术—计算机软件与理论]
题名 进化算法的选择机制分析
被引量：1
5
作者
莫纯欢 石纯一 陈青 周代琪 史忠植
机构
深圳市华为技术有限公司 清华大学计算机系 中国科学院计算技术研究所
出处
《计算机科学》
CSCD
北大核心
1998年第6期45-48,共4页
文摘
一、引言进化算法(EA)是受自然进化所启发的搜索和优化技术,它包括:遗传算法(GA),进化规划(EP),进化策略(ES),和遗传编程(GP)。 GA是John Holland〔,]等人于1975年在美国密歇根大学应用自然选择过程来解决机器学习问题时提出的,它在于搜索有高的适应值的基因结构;
关键词
进化算法 选择机制 机器学习 人工智能
Keywords
evolutionary algorithms ,selection density , loss of diversity
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
题名 改进的蜜蜂进化型遗传算法
被引量：3
6
作者
钱亮于 高世伟 柴珠利
机构
上海托普信息技术学院软件系 西北工业大学自动化学院
出处
《计算机工程与设计》
CSCD
北大核心
2008年第11期2863-2867,共5页
基金
国家自然科学基金项目(60573066) 广东声自然科学基金项目(5003346) 教育部留学回国人员科研启动基金项目(教外司留[2006]331号).
文摘
图像匹配是图像处理中的一项重要技术,在许多领域都有广泛的应用。简单地说,它就是找到两幅不同图像之间的空间位置关系。对一种衡量图像之间相似性的推土机距离EMD度量做了介绍,提出了一种基于EMD度量的图像匹配方法。实验结果表明,运用此种技术进行图像匹配相对一些其它的图像匹配方法有更好的效果。
关键词
图像匹配 相似性度量 推土机距离 特征点 小波变换
Keywords
bee evolutionary genetic algorithms parental select operator local search convergence diversity
分类号
TP302
[自动化与计算机技术—计算机系统结构]
题名 基于距离收敛量和历史信息密度的多目标进化算法
7
作者
李潇涵 刘博 张友
机构
东北师范大学计算机科学与信息技术学院
出处
《计算机应用研究》
CSCD
北大核心
2017年第12期3580-3584,共5页
文摘
在筛选个体的过程中,多目标进化算法大多利用非支配信息和密度信息评价个体。但当个体互为非支配关系时,上述信息就难以区分个体的优劣从而影响算法性能。为了改善上述情况,提出了一种基于距离收敛量和历史信息密度的多目标进化算法。距离收敛量可以在非支配信息不能区分个体时评价个体的收敛性;历史信息密度可以更精确地提供个体多样性信息。在与四个先进的多目标进化算法的对比实验中,新算法的求解质量明显优于对比算法。
关键词
多目标进化算法 距离收敛量 历史信息密度 配对选择
Keywords
multi-objective evolutionary algorithm distance convergence history density mating selection
分类号
TP301.6
[自动化与计算机技术—计算机系统结构]
