基于极大极小距离密度的多目标微分进化算法

被引：68

作者：

张利彪

周春光

马铭

孙彩堂

机构：

[1] 吉林大学计算机科学与技术学院

来源：

计算机研究与发展 | 2007年 / 01期

基金：

国家自然科学基金重点项目;

关键词：

微分进化; 极大极小距离密度; 多目标优化问题; 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：

微分进化(differential evolution)是一种新的简单而有效的直接全局优化算法,并在许多领域得到了成功应用.提出了基于极大极小距离密度的多目标微分进化算法.新算法定义了极大极小距离密度,给出了基于极大极小距离密度的Pareto候选解集的维护方法,保证了非劣解集的多样性.并根据个体间的Pareto支配关系和极大极小距离密度改进了微分进化的选择操作,保证了算法的收敛性,实现了利用微分进化算法求解多目标优化问题.通过对5个ZDT测试函数、两个高维测试函数的实验及与其他多目标进化算法的对比和分析,验证了新算法的可行性和有效性.

引用

页码：177 / 184

页数：8

共 3 条

[1]

基于个体密集距离的多目标进化算法 [J].