演化多目标优化中的几何热力学选择

被引：18

作者：

应伟勤 ^{[1
,2
]}

李元香 ^{[1
]}

SHEU Phillip CY ^{[11
,2
]}

吴昱 ^{[1
]}

余法红 ^{[1
]}

机构：

[1] 武汉大学软件工程国家重点实验室

[2] 加州大学尔湾分校电气工程和计算机科学系

来源：

计算机学报 | 2010年 / 33卷 / 04期

关键词：

多目标优化; 演化算法; 热力学替换; 角度熵; 距离能量;

D O I：

暂无

中图分类号：

TP301.6 [算法理论];

学科分类号：

080201 [机械制造及其自动化];

摘要：

热力学遗传算法(Thermodynamical Genetic Algorithms,TDGAs)借鉴热力学中的自由能极小过程来统一处理多目标优化在逼近性和多样性两方面的任务.为提高TDGA的运行效率和解集分布均匀性,提出了一种几何热力学选择.在该选择中首先定义角度熵通过扇形采样来度量种群逼近方向的多样性.然后利用距离精英定义距离能量来度量种群的逼近程度,避免了耗时的非劣分层操作.此外,引入分量热力学替换规则以较低计算代价驱动种群的几何自由能快速下降.在多目标0/1背包问题上的实验结果表明,几何热力学选择极大地提高了TDGA的运行效率和解集分布均匀性;采用该选择的TDGA算法可生成与NSGA-II在逼近性和分布多样性上性能相当的解,但在运行效率上明显优于NSGA-II.

引用

页码：755 / 767

页数：13

共 7 条

[1]

热力学遗传算法计算效率的改进 [J].