一种基于云模型的多目标进化算法

被引：6

作者：

许波 ^{[1
]}

彭志平 ^{[1
]}

陈晓龙 ^{[1
]}

柯文德 ^{[1
]}

余建平 ^{[2
]}

机构：

[1] 广东石油化工学院计算机科学与技术系

[2] 湖南师范大学数学与计算机科学学院

来源：

信息与控制 | 2012年 / 41卷 / 03期

基金：

广东省自然科学基金;

关键词：

多目标优化; 多目标进化算法; 云模型; Pareto最优解;

D O I：

暂无

中图分类号：

TP301.6 [算法理论]; O224 [最优化的数学理论];

学科分类号：

070105 [运筹学与控制论]; 080201 [机械制造及其自动化];

摘要：

在多目标进化算法的基础上,提出了一种基于云模型的多目标进化算法(CMOEA).算法设计了一种新的变异算子来自适应地调整变异概率,使得算法具有良好的局部搜索能力.算法采用小生境技术,其半径按X条件云发生器非线性动态地调整以便于保持解的多样性,同时动态计算个体的拥挤距离并采用云模型参数来估计个体的拥挤度,逐个删除种群中超出的非劣解以保持解的分布性.将该算法用于多目标0/1背包问题来测试CMOEA的性能,并与目前最流行且有效的多目标进化算法NSGA-II及SPEA2进行了比较.结果表明,CMOEA具有良好的搜索性能,并能很好地维持种群的多样性,快速收敛到Pareto前沿,所获得的Pareto最优解集具有更好的收敛性与分布性.

引用

页码：326 / 332

页数：7

共 10 条

[1]

一种基于云模型的主观信任评价方法 [J].