本文關(guān)鍵詞：基于差分進(jìn)化與NSGA-Ⅱ的多目標(biāo)優(yōu)化算法

  更多相關(guān)文章： 多目標(biāo)優(yōu)化 混合算法 自適應(yīng)參數(shù) Pareto最優(yōu)解 收斂速度 空間分布

【摘要】：為避免多目標(biāo)優(yōu)化過(guò)程中子目標(biāo)相互沖突,提高Pareto最優(yōu)解的質(zhì)量,提出一種基于差分進(jìn)化(DE)和第二代非支配遺傳算法(NSGA-Ⅱ)的混合算法。采用帶有自適應(yīng)參數(shù)的DE算法對(duì)初始種群進(jìn)行變異和交叉操作,以提高種群的多樣性。應(yīng)用新種群標(biāo)記策略對(duì)DE的初始種群和測(cè)試種群進(jìn)行支配得到新種群,并標(biāo)記其中每個(gè)個(gè)體,使DE能夠處理多目標(biāo)問(wèn)題。將新種群作為NSGA-Ⅱ的初始種群,通過(guò)NSGA-Ⅱ產(chǎn)生下一代種群,進(jìn)一步提升Pareto最優(yōu)解的質(zhì)量。使用4個(gè)基準(zhǔn)多目標(biāo)函數(shù)進(jìn)行測(cè)試,結(jié)果表明,與NSGA-Ⅱ和SADE算法相比,該算法的收斂速度更快,Pareto最優(yōu)解集空間分布更均勻。
【作者單位】： 遼寧石油化工大學(xué)信息與控制工程學(xué)院;
【基金】：國(guó)家自然科學(xué)基金(61473140,61203021)
【分類號(hào)】：TP18
【正文快照】： 中文引用格式:陶文華,劉洪濤.基于差分進(jìn)化與NSGA-Ⅱ的多目標(biāo)優(yōu)化算法[J].計(jì)算機(jī)工程,2016,42(11):219-224.英文引用格式:Tao Wenhua,Liu Hongtao.Multi-objective Optimization Algorithm Based on Differential Evolution andNSGA-Ⅱ[J].Computer Engineering,2016,42(11):2

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 劉敏;陳寶興;鄭金華;;快速提高NSGA-Ⅱ算法雙目標(biāo)優(yōu)化效率的方法[J];計(jì)算機(jī)工程與應(yīng)用;2009年34期

2 趙瑞國(guó);李界家;;NSGA-Ⅱ算法及其改進(jìn)[J];控制工程;2009年S1期

3 王廣博;韓慶;鐘小平;;NSGA-Ⅱ中重復(fù)個(gè)體的控制[J];科學(xué)技術(shù)與工程;2011年34期

4 宋昕;黃磊;;基于改進(jìn)NSGA-Ⅱ算法的港口堆位分配問(wèn)題研究[J];計(jì)算機(jī)工程與應(yīng)用;2012年33期

5 孫麗潔;樂(lè)秀t，

本文編號(hào)：1169528