基于统计信息反馈的分步多目标优化

TP301; 传统的多目标进化算法通常协同考虑解的分布性和收敛性,在搜索初期会生成大量的支配解,造成计算资源的浪费,甚至导致算法不收敛.本文提出了一种基于统计信息反馈的分步多目标优化算法.将算法分为单目标探索阶段、单目标到多目标的过渡阶段、群体划分局部优化阶段3个阶段,根据每个阶段的性质设计任务和策略,以增强算法的收敛性和分布性.在第二、三阶段中,根据目标函数值将解划分为不同群体,分别对不同区域解的信息进行统计分析,再根据反馈统计信息指导亲本选择过程,改善解的分布性和收敛性.在DTLZ和WFG系列问题上进行测试,并与其他多目标进化算法进行了比较,实验结果验证了本文算法在复杂、难收敛问题上的优势...

Full description

Saved in:
Bibliographic Details
Published in华东理工大学学报（自然科学版） Vol. 48; no. 5; pp. 665 - 676
Main Authors 王学武, 谢祖洪, 周昕, 顾幸生
Format Journal Article
LanguageChinese
Published 华东理工大学能源化工过程智能制造教育部重点实验室,上海 200237 2022
Subjects
亲本选择
分步
优秀个体
多目标优化
信息反馈
Online AccessGet full text

Cover

More Information
Summary:TP301; 传统的多目标进化算法通常协同考虑解的分布性和收敛性,在搜索初期会生成大量的支配解,造成计算资源的浪费,甚至导致算法不收敛.本文提出了一种基于统计信息反馈的分步多目标优化算法.将算法分为单目标探索阶段、单目标到多目标的过渡阶段、群体划分局部优化阶段3个阶段,根据每个阶段的性质设计任务和策略,以增强算法的收敛性和分布性.在第二、三阶段中,根据目标函数值将解划分为不同群体,分别对不同区域解的信息进行统计分析,再根据反馈统计信息指导亲本选择过程,改善解的分布性和收敛性.在DTLZ和WFG系列问题上进行测试,并与其他多目标进化算法进行了比较,实验结果验证了本文算法在复杂、难收敛问题上的优势.
ISSN:1006-3080
DOI:10.14135/j.cnki.1006-3080.20210427004