2 3 8
J o u r n a l o f F r o n t i e r s f o 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 ) ( 3 )混合算法 一
MO D E等算法进行了比较,得出了一些有价值的结论。
3 . 2多目标差分演化算法的一些改进措施 多目标差分演化算法的目标有两个:快速找到 一
般地,将多目标差分演化算法与其他算法混合
使用,能充分发挥各种算法的性能,取得比较好的效果。 Z h a n g等人【 】提出了一种基于多目标遗传算法
个逼近问题真实 P a r e t o前沿的解集,即解的收敛性
要好;该解集内的解尽可能分布均匀且覆盖问题真实 的P a r e t o前沿,即解集内解的多样性要好。选择操作要求较小的计算复杂性,通过较少的比较次数就可以
N S G A— I I和多目标差分演化算法的混合算法 D E— MO E A。D E— MO E A的下一代群体个个体通过下述方法生成:个个体由多目标差分演化算法生成,剩余的
达到解的更新。下面给出了多目标差分演化算法的一 些改进策略。 ( 1 )初始化群体的方法
个体通过 N S G A— I I的杂交和变异遗传算子生成。实 验表明 D E— MO E A性能优于 N S G A— I I,尤其在解集的分布性方面表现突出。
在多目标差分演化算法中,一般采用随机初始化方法产生初始代群体。但为了提高算法的收敛速度和 收敛到全局最优解的鲁棒性,可以通过改进初始化群
另外,在多目标差分演化算法中通过引入模拟退 火、粒子群优化、单纯形搜索、禁忌搜索、混沌搜索等
局部启发式搜索技术也有助于提高算法的搜索性能。 H e r n 6 n d e z— D i a z等人【 出一种基于粗集理论( r o u g h s e t s t h e o r y )的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 mi z a t i o n w i t h r o u g h s e t s,
体的方法,改善初始群体的多样性,使初始化个
体更能均匀地分布在群体的搜索空间中,产生更具潜力的 解。H e m6 n d e z— D i a z等人使用最速下降法 ( s t e e p e s t
d e s c e n t m e t h o d )产生一些非劣解初始化多目标演化 算法的初始代群体,加快了演化算法沿着 P a r e t o前沿
D E M O R S )。为了提高非劣解集的多样性分布,该算法在后期搜索阶段通过引入粗集理论进行局部搜索。
搜索的速度。,实验结果表明,在维持解的性能的情况 下,减少了计算时间。吴亮红等人[ 提出了一种基于
3 . 3 多目标差分演化算法的性能度量策略 目前,多目标差分演化算法还没有成熟的理论基础。为了检验一个新提出的多目标差分演化算法的可
平均熵的初始化群体策略,用于改善初始代群体的多样性。曾三友等人l 3 3]采用正交设计法产生初始化群 体,增加初始代群体的均匀分布性。 ( 2 )差分演化算子 一
行性和有效性,往往不是通过逻辑形式来证明,而是 通过实验的手段,将算法的求解结果以图形直观的方
式或借助几个性能指标与原文献的求解结果进行比 较,以此来验证所提出的算法。而有些性能指标尚未
般地,遗传算法的操作过程是先杂交后变异,
杂交是遗传算法的主要算子,而差分演化算法的操作
从理论上论证其定义的合理性和计算可行性。 关于度量多目标差分演化算法的性能指标 ( p e r— f o r m a n c e i n d i c e s, P l s )有许多种,分别用于度量算法的解的收敛性、解集内解的多样性。O k a b e等人【 对
过程是先变异后杂交,变异是差分演化算法的主要算 子。目前,针对差分演化算法中杂交和选择的研究相 对较少,主要集中在变异的改进和参数的选取方面。
Y a n g等人提出一种自适应差分演化算法,该算法根据自适应概率(初值设为 0 . 5 )自适应选择变异策略 D E/ r a n d/ l/ b i n或D E/ c u r r e n t t o b e s t/ 2 bi/ n进行差分演
各类性能指标进行了归类:基于基数的性能指标 ( c a r d i n a l i t y— b a s e d P I s )、准确性性能指标 ( a c c u r a c y P I s )、分布性和宽广性性能指标 ( d i
s t r i b u t i o n a n d
化产生新个体,比例因子不设为一个固定的实数,而是一个高斯随机数,杂交概率也是自适应的。实验结果表明,该方法有效地提高了算法控制参数的鲁棒性,解决了控制参数选取的难题。
s p r e a d P I s )。其中,基于基数的性能指标只能度量解的相对好坏,不能正确地反映解的收敛性和多样性。 准确性性能指标用来度量解的收敛性,分为基于距离的准确性性能指标( d i s t a n c e— b a s e d a c c u r a c y P I s )和

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