2 3 6
J o u r n a l o f F r o n t i e r s o f C o m p u t e r S c i e n c e a n d T e c h n o l o g y计算机科学与探索
2 0 0 9, 3 ( 3 )
用于控制差向量(: : )的影响。 ( 3 )杂交操作 r t
1/ b i n进行差分演化产生新个体。通过将该算法求解
两个两目标问题的实验结果与一个简单遗传算法进行比较,表明在遗传算法评价次数较少的情况下,该 )
G:, ,
i f( r a n d o m[ O, 1 )≤c尺
c:
{ I
算法能求得问题真实的最优解。 I』 i和Z h a n g t。 9 1于2 0 0 6
, o t h e r wi s e
年提出了一种基于分解的多目标差分演化算法( m u l t i— o b j e c t i v e d i f f e r e n t i a l e v o l u t i o n a l g o r i t h m b a s e d o n d e——
其中J . 是[ 1, n】问的随机整数,保证 u t至少要从中获得一个元素,否则就不会有新个体生成,群体也就不会更新。 ( 4 )选择操作
c o m p o s i t i o n, MO D E/ D)。该算法使用加权切比雪夫法 ( w e i g h t e d T c h e b y c h e f a p
p r o a c h )将一个多目标优化
问题分解成几个矢量优化子问题。然后使用变异策略
l u : G: c+ 1
)
)
D E/ r a n/l d/ b i n进行差分演化产生新个体。对几个典型的测试问题进行实验,结果表明该算法性能良好。 P a r s o p o u l o s等人/ 2 o l于2 0 0 4年提出一种向量评价
1 J G, o t he wi r s e
其中厂 ( )是适应度评价函数。在选择操作中,如果新 个体的适应度值好于原个体,则在下一代群体中替代
多目标差分演化算法 ( v e c t o r e v a l u a t e d d i f f e r e n t i a l e v o l u t i o n, V E D E)。 V E D E是一种采用并行多群体搜索
原个体;否则,原个体仍然保留到下一代群体中。 因此,差分演化算法的框架可以描述如下: 步骤 1参数赋初值,并随机初始化群体 演化代数 0; 步骤 2评价初始代群体:。; 步骤 3如果满足终止条件,则停止算法运行,并,令
的差分演化算法。V E D E受向量评价遗传算法 v e c— t o r e v a l u a t e d g e n e t i c a l g o r i t h m, V E G A)的启发:考虑 一
个环形拓扑结构中个子群体,每个子群体对应
于多目标优化问题的一个目标函数。在每次循环过程
中,各个子群体根据各自的目标选取若干较好的个体 作为下一代子群体,然后在各个子群体之间通过最优
输出最优解;否则转步骤 4; 步骤 4群体 进行变异、杂交及选择操作,生成下一代群体 P c ; 步骤 5评价群体 。;
个体的迁移进行信息交换。该方法有助于保留单个目 标上最优个体,同时为在多个目标上优于平均适应度值的个体提供了被选择的机会。 V E D E对 4个两目标无约束优化问题进行了实验验证,并与 V E G A进行了比较,实验表明 V E D E的算法性能全面优于 V E G A。 ( 2 )基于 P a r e t o的方法( P a r e t 0一 b a s e d a p p r o a c h e s )
步骤 6演化代数 t= t+ 1,转步骤 3。
3多目标差分演化算法 3 . 1 多目标差分演化算法的分类 目前,国际上关于多目标差分演化算法的
文献较
目前,多目标差分演化算法中多数是基于 P a r e t o 的方法,分为 P a r e t o占优 ( P a r e t o d o m i n a n c e )和P a r e t o 分级排序 ( P a r e t o r a n k i n g )[ 2 1:前者在差分演化选择机制中用于选择一个最优解的标准;后者用于群体分级
多,根据其主要特征,将一些有代表性的多目标差分 演化算法归为下面两类。 ( 1 )非基于 P a r e t o的方法 ( n o n—P a r e t o— b a s e d a p p r o a c h e s )
排序过程。这种基于 P a r e t o的多目标差分演化算法在求解两维或三维目标优化问题时一般效果都比较好,
但随着目标维数的增加性能会急剧地下降l 2】】。 A b b a s s等人旧于 2 0 0 1年提出一种 P a r e t o差分演 化算法 ( P a r e t o d i f f e r e n t i a l e v o l u t i o n, P D E )用于求解
B a b u和J e h a n[ 于2 0 0 3年提出了一种多目标差 分演化算法 ( d i f f e r e n t i a l e v o l u t i o n f o r m u l t i— o b j e c t i v e
o p t i m i z a t i o n )。该算法通过线性加权法将两目标问题变换成一个单目标问题,然后使用变异策略 D E/ r a n d/
多目标优化问题。P D E描述如下:随机产生服从高斯
分布的初始化群体,然后删除群体中所有劣解,保留

差分演化算法研究综述_专业资料。差分演化算法(DE)一种基于群体的随机搜索技术,并已被广泛的应用于各种优化领域。为了提高差分演化算法的收敛速度、全局搜索能力...
0.0分 (0人评价)暂无用户评价 我要评价 贡献者等级:满腹经纶 十级 格式:pdf 关键词:研究综述 同系列文档 多目标差分演化算法研究综......
多目标差分演化算法研究... 13页 免费 多目标优化问题的研究概... 5页 ...鉴于此 ,对高维多目标进化算法 的研究进展进行系统地分类综述 ,分析了高维目标...
多目标进化算法研究综述_工学_高等教育_教育专区。第 23 卷第 4 期 2005 ...本文简要介绍了多目标进化算法 (MOEAs 的基本框架 、 研究历史 、 总体分 类...
为此, 围绕差分进化算法的原理 、 特点、 进及其应用等方面进行全面综述, 重点介绍了针对复 杂环境的 改 差分进化算法研究内容, 包括多目标、 约束、 离散和...
多目标优化演化算法研究综述_信息与通信_工程科技_专业资料。多目标优化演化算法... 进化多目标优化算法研究 19页 免费 多目标差分演化算法研究... 13页 免费...
多目标优化差分进化算法_专业资料。个体的适应度赋值和群体的多样性维护是进化算法的两个关键问题。首先,一方面,定义了Pareto ε-支配关系的相关概念,通过Pareto ...
多目标优化问题的差分进化算法研究_理学_高等教育_教育专区。多目标优化问题的差分进化算法研究第36 卷 2 期第 2 0 0 9 年 2 月 文章编号 :167422974 ( ...
基于分解的多目标差分进化算法及其应用_信息与通信_工程科技_专业资料。提出了...是解决多 目标优化问题的有效方法之一,近年来得到了广泛 的研究 [1-5] ....
热门文档