針對MOEA/D算法單純使用差分進(jìn)化策略造成局部搜索能力弱、尋優(yōu)精度低等問題,提出一種基于自適應(yīng)進(jìn)化策略的MOEA/D算法（MOEA/D-EA）。利用種群鄰域更新信息構(gòu)造進(jìn)化狀態(tài)判斷機制,判斷子問題的進(jìn)化潛能和種群的進(jìn)化狀態(tài);將子問題的進(jìn)化潛能正反饋到反向?qū)W習(xí)模型,形成自適應(yīng)的反向?qū)W習(xí)策略（AOBL）;根據(jù)種群的進(jìn)化狀態(tài)選擇不同的進(jìn)化策略,以均衡算法的全局搜索與局部尋優(yōu)能力。實驗結(jié)果表明,該算法在收斂性、分布性和穩(wěn)定性等方面均優(yōu)于或部分優(yōu)于其它對比算法。 

【文章來源】：計算機工程與設(shè)計. 2019,40(04)北大核心

【文章頁數(shù)】：8 頁

【文章目錄】：
0 引言
1 相關(guān)研究
    1.1 多目標(biāo)優(yōu)化問題定義
    1.2 基于分解的多目標(biāo)進(jìn)化算法
    1.3 差分進(jìn)化策略
    1.4 反向?qū)W習(xí)模型
2 基于自適應(yīng)進(jìn)化策略的MOEA/D算法
    2.1 基于進(jìn)化潛能的進(jìn)化狀態(tài)判斷機制
    2.2 基于自適應(yīng)反向?qū)W習(xí)的進(jìn)化策略 (AOBL)
    2.3 基于自適應(yīng)進(jìn)化策略的MOEA/D算法
3 實驗及結(jié)果分析
    3.1 測試問題與對比算法
    3.2 性能指標(biāo)
    3.3 實驗結(jié)果與分析
4 結(jié)束語


【參考文獻(xiàn)】：
期刊論文
[1]差分選擇策略在復(fù)雜多目標(biāo)優(yōu)化問題中的研究[J]. 鄭金華,劉磊,李密青,尹呈,王康.  計算機研究與發(fā)展. 2015(09)
[2]基于自適應(yīng)縮放比例因子的差分進(jìn)化算法[J]. 沈佳杰,江紅,王肅.  計算機工程與設(shè)計. 2014(01)



本文編號：3475906