均衡分布性与收敛性的协同进化多目标优化算法
来源期刊:控制与决策2013年第1期
论文作者:耿焕同 朱海峰 张茜 吴婷婷
文章页码:55 - 60
关键词:多目标优化;协同进化;分布估计算法;多概率模型;
摘 要:为了进一步提升多目标进化算法(MOEAs)的收敛速度和解集分布性,针对变量无关问题,借助合作型协同进化模型,提出一种均衡分布性与收敛性的协同进化多目标优化算法(CMOA-BDC).CMOA-BDC首先设置一个精英集合,采用支配关系从进化种群与精英集合中选择首层,并用拥挤距离保持其分布性;然后运用聚类将首层分类,并建立相应概率模型;最后通过模拟退火组合分布估计与遗传进化,达到协同进化.通过与经典MOEAs比较的结果表明,CMOA-BDC获得的解集具有更好的收敛性和分布性.
耿焕同,朱海峰,张茜,吴婷婷
南京信息工程大学计算机与软件学院
摘 要:为了进一步提升多目标进化算法(MOEAs)的收敛速度和解集分布性,针对变量无关问题,借助合作型协同进化模型,提出一种均衡分布性与收敛性的协同进化多目标优化算法(CMOA-BDC).CMOA-BDC首先设置一个精英集合,采用支配关系从进化种群与精英集合中选择首层,并用拥挤距离保持其分布性;然后运用聚类将首层分类,并建立相应概率模型;最后通过模拟退火组合分布估计与遗传进化,达到协同进化.通过与经典MOEAs比较的结果表明,CMOA-BDC获得的解集具有更好的收敛性和分布性.
关键词:多目标优化;协同进化;分布估计算法;多概率模型;