面向高维多目标优化的双阶段双种群进化算法

TP301; 随着目标维度的上升,高维多目标优化问题的帕累托前沿越来越复杂,传统的基于分解的高维多目标进化算法难以挑选出多样性和收敛性良好的种群.针对以上问题提出了一种面向高维多目标优化的双阶段双种群进化算法.该算法将进化过程划分为两个阶段,在第一阶段判断帕累托前沿的形状是否规则,而在第二阶段则根据帕累前沿的形状选择是否对权重向量进行调整,以保证种群在规则及不规则帕累托前沿上都能获得良好的多样性.为了对权重向量进行调整且不影响算法的收敛性,该算法使用了两个种群进行进化,一个主种群正常进化,另一个辅种群作为权重向量.为了在不规则的帕累托前沿上获得一组适应种群分布的权重向量,引入了自然界中能量平衡...

Full description

Saved in:
Bibliographic Details
Published in计算机工程与应用 Vol. 60; no. 9; pp. 159 - 171
Main Authors 曹嘉乐, 杨磊, 田井林, 李华德, 李康顺
Format Journal Article
LanguageChinese
Published 华南农业大学 数学与信息学院,广州 510642 01.05.2024
Subjects
能量平衡
进化算法
dual-stage
weight vector
双阶段
权重向量
many-objective optimization
双种群
energy balance
高维多目标优化
evolutionary algorithm
dual-population
Online AccessGet full text
ISSN1002-8331
DOI10.3778/j.issn.1002-8331.2307-0381

Cover

More Information
Summary:TP301; 随着目标维度的上升,高维多目标优化问题的帕累托前沿越来越复杂,传统的基于分解的高维多目标进化算法难以挑选出多样性和收敛性良好的种群.针对以上问题提出了一种面向高维多目标优化的双阶段双种群进化算法.该算法将进化过程划分为两个阶段,在第一阶段判断帕累托前沿的形状是否规则,而在第二阶段则根据帕累前沿的形状选择是否对权重向量进行调整,以保证种群在规则及不规则帕累托前沿上都能获得良好的多样性.为了对权重向量进行调整且不影响算法的收敛性,该算法使用了两个种群进行进化,一个主种群正常进化,另一个辅种群作为权重向量.为了在不规则的帕累托前沿上获得一组适应种群分布的权重向量,引入了自然界中能量平衡的概念收集了多样性良好的辅种群作为权重向量.将提出的算法与其他算法在3-10目标的测试问题上进行比较.实验结果表明,提出的算法在大多数测试问题上性能优于比较的算法.
ISSN:1002-8331
DOI:10.3778/j.issn.1002-8331.2307-0381