一种基于自适应搜索的多模态多目标优化算法

TP18; 为了解决目前基于分解的多模态多目标优化算法存在种群搜索能力不足,子种群中存在无用解和距离度量不具有普适性等问题,提出了一种基于自适应搜索的多模态多目标优化算法MOEA/D-AS.首先,该方法通过减少平均子种群的个体数量,进而增加参考向量的数量.其次,根据子种群当前状态自适应分配子种群的个体数量.最后,使用引入了局部种群信息的清除距离作为维护子种群的依据.将提出的算法与4 种算法在2019 年CEC多模态多目标测试问题和大规模多模态多目标测试问题上进行对比实验,实验结果表明,提出的算法可以有效解决多模态多目标优化问题....

Full description

Saved in:
Bibliographic Details
Published in东北大学学报（自然科学版） Vol. 44; no. 10; pp. 1408 - 1415
Main Authors 李占山, 宋志扬, 花昀峤
Format Journal Article
LanguageChinese
Published 吉林大学 计算机科学与技术学院,吉林 长春 130012%吉林大学 软件学院,吉林 长春 130012%吉林大学 资产管理处,吉林 长春 130012 01.10.2023
吉林大学 软件学院,吉林 长春 130012
Subjects
子种群
sub-population
多模态多目标优化算法
清除距离
adaptive search
clear distance
local information
自适应搜索
multi-modal multi-objective optimization algorithm
局部信息
Online AccessGet full text
ISSN1005-3026
DOI10.12068/j.issn.1005-3026.2023.10.006

Cover

More Information
Summary:TP18; 为了解决目前基于分解的多模态多目标优化算法存在种群搜索能力不足,子种群中存在无用解和距离度量不具有普适性等问题,提出了一种基于自适应搜索的多模态多目标优化算法MOEA/D-AS.首先,该方法通过减少平均子种群的个体数量,进而增加参考向量的数量.其次,根据子种群当前状态自适应分配子种群的个体数量.最后,使用引入了局部种群信息的清除距离作为维护子种群的依据.将提出的算法与4 种算法在2019 年CEC多模态多目标测试问题和大规模多模态多目标测试问题上进行对比实验,实验结果表明,提出的算法可以有效解决多模态多目标优化问题.
ISSN:1005-3026
DOI:10.12068/j.issn.1005-3026.2023.10.006