文档名：基于协同进化的多目标约束进化算法
摘要：针对约束多目标优化算法(COA:ConstrainedOptimizationAlgorithms)中存在的难以有效兼顾收敛性和多样性的问题,提出了采用协同进化策略的多目标优化算法(CoMaC).首先,将一个COA转化为一个带动态约束处理的多目标进化算法.然后采用差分进化(DE:DifferentialEvolution)生成第1种群,并将其中的已知可行解选入第2种群,并与第1种群协同进化.第1种群通过保持原约束条件的全局搜索加快收敛.第2种群通过局部搜索进化,保持并获得更多可行解.最后采用标准约束多目标测试函数进行实验,以测试所提出算法的性能.实验结果表明,与使用惩罚函数处理约束问题(PF:PenaltyFunction)和使用动态处理约束边界方法(DCMaOP:DynamicConstrainedManyObjectiveoptimizationProblem)相比,所提算法在反向世代距离(IGD:InvertedGenerationalDistance)和超体积(HV:Hypervolume)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.
作者：刘仁云 张旭 姚亦飞 于繁华 Author：LIURenyun ZHANGXu YAOYifei YUFanhua
作者单位：长春师范大学数学学院,长春130032长春师范大学计算机科学与技术学院,长春130032北华大学计算机科学与技术学院,吉林吉林132013
刊名：吉林大学学报（信息科学版） ISTIC
Journal：JournalofJilinUniversity(InformationScienceEdition)
年，卷(期)：2023, 41(2)
分类号：TP391
关键词：多目标进化算法 动态约束处理 协同进化 全局搜索
机标分类号：TP301.6TP18TP273
在线出版日期：2023年6月19日
基金项目：吉林省科技厅基金资助项目，吉林省教育厅基金资助项目基于协同进化的多目标约束进化算法[
期刊论文] 吉林大学学报（信息科学版）--2023, 41(2)刘仁云 张旭 姚亦飞 于繁华针对约束多目标优化算法(COA:ConstrainedOptimizationAlgorithms)中存在的难以有效兼顾收敛性和多样性的问题,提出了采用协同进化策略的多目标优化算法(CoMaC).首先,将一个COA转化为一个带动态约束处理的多目标进化算...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于协同进化的多目标约束进化算法 Multi-Objective Constrained Evolutionary Algorithm Based on Coevolution
基于协同进化的多目标约束进化算法.pdf
- 文件大小:
- 1.5 MB
- 下载次数:
- 60
-
高速下载
|
|
