多目标布谷鸟搜索算法

被引：17

作者：

贺兴时 ^{[1
]}

李娜 ^{[1
]}

杨新社 ^{[1
,2
]}

余兵 ^{[1
,3
]}

机构：

[1] 西安工程大学理学院

[2] 密德萨斯大学科学与技术学院

[3] 上海宝信软件股份有限公司

来源：

系统仿真学报 | 2015年 / 27卷 / 04期

关键词：

多目标算法; 布谷鸟搜索算法; 多目标布谷鸟搜索算法; 基于小生境技术的逐步档案缩减法; Pareto最优解;

D O I：

10.16182/j.cnki.joss.2015.04.009

中图分类号：

TP18 [人工智能理论];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

解决多目标优化问题,并得到精确的、高质量的Pareto前沿解是非常具有挑战性的。将CS算法运用于多目标问题解的迭代更新过程,对传统的基于Pareto支配关系的适应度函数进行了改进,并提出基于小生境技术的逐步档案缩减法用于档案解的缩减与维护过程,设计出了多目标布谷鸟搜索算法(MOCS)。通过仿真实验验证以及相关性能指标的测试结果得出,MOCS算法与经典的NSGAII算法相比,在所得解的收敛性、多样性和均匀性方面均有所改善。

引用

页码：731 / 737

页数：7

共 8 条

[1] 基于CS算法的Markov模型及收敛性分析 [J].