用擂台赛法则构造多目标Pareto最优解集的方法

被引：54

作者：

郑金华 ^{[1
]}

蒋浩 ^{[1
]}

邝达 ^{[1
]}

史忠植 ^{[2
]}

机构：

[1] 湘潭大学信息工程学院

[2] 中国科学院计算技术研究所

来源：

软件学报 | 2007年 / 06期

基金：

教育部留学回国人员科研启动基金; 湖南省自然科学基金;

关键词：

多目标进化; 擂台赛法则; 非支配集构造方法; Pareto最优解集; 运行效率;

D O I：

暂无

中图分类号：

TP301.6 [算法理论];

学科分类号：

摘要：

针对多目标进化的特点,提出了用擂台赛法则(arena’s principle,简称AP)构造多目标Pareto最优解集的方法,论证了构造方法的正确性,分析了其时间复杂度为O(rmN)(0<m/N<1).理论上,当AP与Deb的算法以及Jensen的算法比较时(它们的时间复杂度分别为O(rN2)和O(Nlog(r-1)N)),AP优于Deb的算法;当目标数r较大时(如r≥5),AP优于Jensen的算法;此外,当m/N较小时(如m/N≤50%),AP的效率与其他两种算法比较具有优势.对比实验结果表明,AP具有比其他两种算法更好的CPU时间效率.在应用中,AP可以被集成到任何基于Pareto的MOEA中,并能在较大程度上提高MOEA的运行效率.

引用

页码：1287 / 1297

页数：11

共 8 条

[1]

Reducing the run-time complexity of multiobjective EAs:The NSGA-II and other algorithms. Jensen MT. IEEE Trans.on Evolutionary Computation . 2003

[2]

Multiobjective evolutionary algorithms:A comparative case study and the strength pareto approach. Zitzler E,Thiele L. IEEE Trans.on Evolutionary Computation . 1999

[3]

Approximating the nondominated front using the Pareto archived evolution strategy evolutionary computation. Knowles JD,Corne DW. Evolutionary Computation . 2000

[4]

Evolutionary Algorithms for Solving Multi-Objective Problems. Coello Coello CA,Van Veldhuizen DA,Lamont GB. . 2002

[5]

Applications of Multi-Objective Evolutionary Algorithms. Coello Coello CA,Lamont GB. . 2004

[6]

An overview of evolutionary algorithms in multi-objective optimization. Fonseca CM,Fleming PJ. Evolutionary Computation . 1995

[7]

A fast elitist non-dominated sorting genetic algorithm for multi-objective optimization:NSGA-II. Deb K,Agrawal S,Pratab A,Meyarivan T. . 2000

[8]

A fast and elitist multi-objective genetic algorithm:NSGA-II. Deb K,Pratap A,Agrawal S,Meyrivan T. IEEE Trans.on Evolutionary Computation . 2002

← 1 →