文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > 自然科学 > 数学 > 多目标差分演化算法研究综述
侵权投诉

多目标差分演化算法研究综述

敖友云等:多目标差分演化算法研究综述 下来的非劣解用于复制。如果非劣解的数目超过某个 将实验结果与 S P E A进行了比较。

2 3 7

阈值,使用一个距离度量函数删除那些彼此非常接近 的父体。随机选择 3个父体产生一个后代,如果该后

K u k k o n e n和 L a m p i n e n ̄ 】于 2 0 0 4年提出一种广义差分演化算法 ( g e n e r a l i z e d d i f f e r e n t i a l e v o l u t i o n, G D E)。G D E通过引入新的选择算子,将标准的差分

代优于第一个被选中的父体,则该后代被放入群体; 否则,一个新的选择过程重新开始。这个过程继续直

演化算法用于求解约束多目标优化问题。新的选择算子的基

本思想是:实验个体在约束违反空间或目标空 间要优于原来群体中的父体。如果两个个体都是可行 的并且彼此不分优劣,则位于稀疏区域中的个体被选

到生成整个群体。鉴于差分演化算法参数选取的敏感 性, A b b a s s于2 0 0 2年在 P D E基础上引入了自适应杂

交概率和自适应变异概率,提出了一种自适应 P a r e t o 差分演化算法 ( s e l f— a d a p t i v e P a r e t o d i f f e r e n t i a l e v o—

择作为下一代群体中的后代。G D E对 5个两目标无

l u t i o n, S P D E )[ z 2 1。实验仿真结果表明:自适应算子的引 入可以使 S P D E求得的非劣解更好地逼近真实的

约束优化问题进行了实验,并将实验结果与 N S G A— I I 和S P E A进行了比较。实验结果表明: G D E的性能与

P a r e t o最优解,同时提高了非劣解在 P a r e t o前沿上的 分布均匀性和宽广性。 Ma d a v a n t∞]于 2 0 0 2年提出了一种基于 P a r e t o的 差分演化算法 ( P a r e t o— b a s e d d i f f e r e n t i a l e v o l u t i o n

N S G A— I I的性能相当,但 G D E节省计算时问; G D E的性能优于 S P E A。在 2 0 0 4年和 2 0 0 5年他们提出了 G D E的两个改进版本 G D E 2闭和 G D E 3。

I o r i o和 L i【蚓于2 0 0 4年提出了一种非劣排序多目

a p p r o a c h, P D E A)。该算法通过引入算法 N S G A— I I中非劣排序和分级选择策略关键技术,将差分演化算法

标差分演化算法 ( n o n d o m i n a t e d s o r t i n g d i f f e r e n t i a l e v o l u t i o n, N S D E )。N S D E是 N S G A— I I的改进算法,不同之处在于产生新个体的方法: N S G A— I I采用基于实数编码的杂交和变异算子产生新个体, N S D E将这些算子由相应的差分演化算子所取代,使用策略 D E/

扩充于求解多目标优化问题。 P D E A使用差分演化算子产生后代群体,并将后代群体与已有的父代群体进行合并,然后从合并后

的群体中选择最好的若干个体组成下一代群体。其中用到了精英保留策略和多样性保留策略,在维持群体多样性的同时加快了算法向 P a r e t o前沿收敛的速度。 P D E A对 1 0个无约束的多目

c u r r e n t— t o— r a n d/ 1产生新个体。N S D E用于求解每个平面具有一定旋转程度的旋转问题。实验结果表明 N S D E的性能要好于 N S G A— I I产生的性能。他们在 2 0 0 6年还对 N S D E进行了扩充,提出了指导收敛性的 NS D E— D C、指导分布性的 N S D E— D S、指导收敛性

标优化问题进行了实验测试,但没有将实验结果同其 他方法进行比较,并且发现有些问题难以收敛到真正 的P a r e t o前沿。

和分布性的 N S D E— D C S等3个算法[ 2 9 1。 R o b i 6和F i l i p i 6吁 2 0 0 5年提出一种多目标差分

X u e等人[ 2 4 1于2 0 0 3年提出的一种多目标差分演 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 l a e v o l u t i o n, MO D E)。

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 mu l t i— o b j e c t i v e

M O D E是标准差分演化算法的一个变种,采用一种新 的差分变异策略,使用最好的个体去产生后代个体。

o p t i m i z a t i o n, D E MO )。D E MO将差分演化的优点与基 于 P a r e t o的分级策略和拥挤距离排序的机制组合在 一

通过引入基于 P a r e t o的方法实现最好个体的选择。如果一个解是劣解,非劣个体集合能够辨别,并且最好个体是来自这个非劣解集中的任何个体。为了产生和维持分布性好的解, M O D E采用了基于( + A )的选择策略、 P a r e t o分级方法和拥挤距离度量策略。M O D E 对5个高维的无约束多目标优化问题进行了测试,并

起。D E M O仅使用—个群体,该群体当新产生的候

选解立即参与随后候选解的创建时得到扩充。这样能够使得快速收敛到真实的 P a r e t o前沿,同时对扩充后的群体使用非劣排序和拥挤距离策略有助于解的均匀分布。 D E M O对 5个高维无约束优化问题进行了实 验,并

将实验结果与 N S G A— I I、 P A E S、 P D E A、 S P E A和

多目标差分演化算法研究综述

上一页第4页

你可能喜欢

热门文档

相关文档

  • 【论文】差分演化算法研究综述

    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...

  • 多目标优化演化算法研究综述

    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......

  • 高维多目标进化算法研究综述

    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

    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...

  • 差分进化算法研究进展

    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

    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...

  • 【论文】多目标优化差分进化算法

    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

    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

    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] ....

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email