融合分解和自适应邻域的多目标离散组合优化算法

TP18; 为了高效获取现实中大规模多目标优化问题解决方案,实现收敛性、多样性和均匀性的平衡逐渐发展为多目标优化的重要目标之一.针对复杂多目标离散组合优化问题,提出了融合分解和自适应邻域的多目标离散组合优化算法(MOALNS).该算法在问题分解的基础上为各子问题的寻优进程引入大邻域搜索策略与自适应调整机制,形成一套新型的收敛指导准则突破寻优阻力,进而使各子问题在搜索多维解空间的过程中达到全局搜索与局部搜索的平衡.同时,提出为各子问题配置独立算子积分库可有效地调整各子问题的寻优方向,解决由于目标权重不同而造成的求解方向偏差问题,以此实现更为高效、稳定的多目标优化进程.数值实验表明,提出的新型多目...

Full description

Saved in:
Bibliographic Details
Published in计算机科学与探索 Vol. 18; no. 7; pp. 1762 - 1775
Main Authors 韦倩, 季彬
Format Journal Article
LanguageChinese
Published 中南大学 交通运输工程学院,长沙 410075 01.07.2024
Subjects
大邻域搜索
multi-objective discrete combinatorial optimization
多目标离散组合优化
自适应机制
问题分解
problem decomposition
adaptive mechanism
large neighborhood search
Online AccessGet full text
ISSN1673-9418
DOI10.3778/j.issn.1673-9418.2306032

Cover

More Information
Summary:TP18; 为了高效获取现实中大规模多目标优化问题解决方案,实现收敛性、多样性和均匀性的平衡逐渐发展为多目标优化的重要目标之一.针对复杂多目标离散组合优化问题,提出了融合分解和自适应邻域的多目标离散组合优化算法(MOALNS).该算法在问题分解的基础上为各子问题的寻优进程引入大邻域搜索策略与自适应调整机制,形成一套新型的收敛指导准则突破寻优阻力,进而使各子问题在搜索多维解空间的过程中达到全局搜索与局部搜索的平衡.同时,提出为各子问题配置独立算子积分库可有效地调整各子问题的寻优方向,解决由于目标权重不同而造成的求解方向偏差问题,以此实现更为高效、稳定的多目标优化进程.数值实验表明,提出的新型多目标离散组合优化算法在多组标准测试算例与真实案例中均展现出了在收敛性、多样性、均匀性和延展性等方面的良好性能,相较于其他经典多目标优化算法而言更具优势.
ISSN:1673-9418
DOI:10.3778/j.issn.1673-9418.2306032