应用档案精英学习和反向学习的多目标进化算法

被引：47

作者：

谢承旺

王志杰

夏学文

机构：

[1] 华东交通大学软件学院

来源：

计算机学报 | 2017年 / 40卷 / 03期

关键词：

档案精英学习; 动态一般反向学习; 3-点最短路径; 多目标进化算法;

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：

现实中的多目标优化问题日益复杂,对多目标优化算法提出了新的挑战.受混合多目标优化算法的启发,该文提出了一种应用档案精英学习和反向学习的多目标进化算法(Multi-objective Evolutionary Algorithm Based on Archive-Elite Learning and Opposition-based Learning,AOL-MOEA)以解决困难的多目标优化问题.AOLMOEA算法利用档案精英学习算子增强算法全局搜索能力,促进算法较快收敛;运用动态一般反向学习机制代替变异算子以增加种群逃逸局部极值的机会;使用3-点最短路径方法维持解群的多样性.AOL-MOEA算法与另外5种代表性多目标优化算法在12个基准多目标测试函数上进行性能比较,实验结果表明:AOL-MOEA算法在收敛性、多样性和稳定性等方面均优于或部分优于其他的对比算法.

引用

页码：757 / 772

页数：16

共 9 条

[1]

基于Pareto熵的多目标粒子群优化算法 [J].

胡旺 ;

Gary G YEN ;

张鑫 .

软件学报, 2014, 25 (05) :1025-1050

[2]

一种精英反向学习的粒子群优化算法 [J].

周新宇 ;

吴志健 ;

王晖 ;

李康顺 ;

张浩宇 .

电子学报, 2013, 41 (08) :1647-1652

[3]

用于多目标进化的归一化排序非支配集构造方法 [J].

鲍培明 ;

朱庆保 .

电子学报, 2009, 37 (09) :2010-2015

[4]

基于ε-支配的多目标进化算法及自适应ε调整策略 [J].

刘鎏 ;

李敏强 ;

林丹 .

计算机学报, 2008, (07) :1063-1072

[5]

An improved particle swarm optimizer based on tabu detecting and local learning strategy in a shrunk search space.[J].Xuewen Xia;Jingnan Liu;Zhongbo Hu.Applied Soft Computing Journal.2014,

[6]

SSPMO:: A scatter tabu search procedure for non-linear multiobjective optimization [J].