多目标优化微分进化改进算法的实现

被引:5
作者
周清清
刘勇
机构
[1] 三峡大学电气信息学院
关键词
微分进化算法; 多目标优化; 动态参数; 自适应; 优化;
D O I
10.16086/j.cnki.issn1000-0380.2009.12.012
中图分类号
TP18 [人工智能理论];
学科分类号
081104 ; 0812 ; 0835 ; 1405 ;
摘要
针对基本微分进化算法不适合求解多目标优化这一问题,对基本算法进行了改进。具体采用的方法是对选择步骤进行修正,当且仅当满足一定条件时,新产生的个体才取代原个体。同时,引入动态调整机制控制算法参数,使算法摆脱后期易于陷入局部极值点的束缚,以提高该算法求解多目标问题的效率和寻优能力。算法分析和仿真结果表明,改进算法在实现求解多目标优化问题上具有较好的效果和求解效率。
引用
收藏
页码:6 / 8+11 +11
页数:4
相关论文
共 3 条
[1]   Differential evolution training algorithm for feed-forward neural networks [J].
Ilonen, J ;
Kamarainen, JK ;
Lampinen, J .
NEURAL PROCESSING LETTERS, 2003, 17 (01) :93-105
[2]  
Multi-objective Genetic Algorithms: Problem Difficulties and Construction of Test Problems[J] . Kalyanmoy Deb.Evolutionary Computation . 1999 (3)
[3]   Differential evolution - A simple and efficient heuristic for global optimization over continuous spaces [J].
Storn, R ;
Price, K .
JOURNAL OF GLOBAL OPTIMIZATION, 1997, 11 (04) :341-359