基于模糊支配的高维多目标进化算法MFEA

被引：28

作者：

毕晓君

张永建

陈春雨

机构：

[1] 哈尔滨工程大学信息与通信工程学院

来源：

电子学报 | 2014年 / 42卷 / 08期

基金：

高等学校博士学科点专项科研基金;

关键词：

高维多目标优化; 模糊隶属度; 模糊支配; Harmonic平均距离; α-截集;

D O I：

暂无

中图分类号：

TP18 [人工智能理论];

学科分类号：

140502 [人工智能];

摘要：

为提高高维复杂多目标优化算法的收敛性和解集分布性,提出一种基于模糊支配的高维多目标进化算法MFEA.在第二代Pareto支配类高维多目标进化算法模型基础上,利用模糊理论对模型中的环境选择进行改进,提出基于模糊隶属度的支配关系,并结合Harmonic、k邻域法和小生境技术对其中的拥挤密度估计方法进行改进,最后根据高维多目标的特点并结合模糊理论α-截集的思想提出了新的环境选择策略.将该算法与目前性能最好的5种多目标进化算法在标准测试函数集上进行对比试验,结果表明本文算法与其他算法相比具有明显的优势,不仅提高了算法的收敛性能,而且保证了Pareto最优解的均匀分布性.

引用

页码：1653 / 1659

页数：7

共 7 条

[1]

New fitness sharing approach for multi-objective genetic algorithms [J].

Kim, Hyoungjin ;

Liou, Meng-Sing .

JOURNAL OF GLOBAL OPTIMIZATION, 2013, 55 (03) :579-595

[2]

A co-evolutionary multi-objective optimization algorithm based on direction vectors.[J].L.C. Jiao;Handing Wang;R.H. Shang;F. Liu.Information Sciences.2012,

[3]

多目标优化算法在多分类中的应用研究 [J].