多目标进化算法研究进展

被引：52

作者：

郑向伟

刘弘

机构：

[1] 山东师范大学信息科学与工程学院

来源：

计算机科学 | 2007年 / 07期

关键词：

多目标优化; 多目标进化算法; Pareto非劣最优; 精英保留策略;

D O I：

暂无

中图分类号：

TP301.6 [算法理论];

学科分类号：

摘要：

进化算法具有本质上并行、不需要求导或其他辅助知识、一次运行产生多个解和简单易于实现等优点,被视为求解多目标优化问题的有效方法,目前已经形成了各种不同的多目标进化算法(MOEA)。本文首先回顾了多目标进化算法的研究起源,给出了多目标优化问题的数学描述;其次,详细分析了第一代多目标进化算法,其主要特征是简单易于实现,包括NSGA、NPGA、MOGA等,并指出这一代算法研究的成绩与不足;然后,对第二代多目标进化算法作了全面分析,指出其特征是强调效率,以精英保留策略为实现机制,且对SPEA、PAES、NSGAII、NPGA2、PESA、Micro-GA等方法进行分析比较,还对这一代的研究作了总结;最后,对多目标进化算法的研究趋势作了展望和预测。

引用

页码：187 / 192

页数：6

共 9 条

[1] 多目标优化的演化算法
谢涛
陈火旺
康立山
[J]. 计算机学报, 2003, (08) : 997 - 1003
[2] Combining convergence and diversity in evolutionary multiobjective optimization
Laumanns, M
Thiele, L
Deb, K
Zitzler, E
[J]. EVOLUTIONARY COMPUTATION, 2002, 10 (03) : 263 - 282
[3] Multiobjective Evolutionary Algorithms: Analyzing the State-of-the-Art[J] . David A. Van Veldhuizen,Gary B. Lamont.Evolutionary Computation . 2000 (2)
[4] Approximating the Nondominated Front Using the Pareto Archived Evolution Strategy
Knowles, Joshua D.
Corne, David W.
[J]. EVOLUTIONARY COMPUTATION, 2000, 8 (02) : 149 - 172
[5] Comparison of Multiobjective Evolutionary Algorithms: Empirical Results[J] . Eckart Zitzler,Kalyanmoy Deb,Lothar Thiele.Evolutionary Computation . 2000 (2)
[6] Multi-objective Genetic Algorithms: Problem Difficulties and Construction of Test Problems[J] . Kalyanmoy Deb.Evolutionary Computation . 1999 (3)
[7] An Overview of Evolutionary Algorithms in Multiobjective Optimization
Fonseca, Carlos M.
Fleming, Peter J.
[J]. EVOLUTIONARY COMPUTATION, 1995, 3 (01) : 1 - 16
[8] Muiltiobjective Optimization Using Nondominated Sorting in Genetic Algorithms[J] . N. Srinivas,Kalyanmoy Deb.Evolutionary Computation . 1994 (3)
[9] Design of Combinational Logic Cir-cuits through an Evolutionary Multiobjective Opti mization Ap-proach .2 Coello C A C,Aguirre A H. Artificial Intelligence for Engineering,Design,Analysis and Manufacture . 2002

← 1 →