检索结果-内蒙古大学图书馆

计算机工程与应用 2006年第28期42卷 46-48,82页

作者：薛娟李旭勇郑金华湖南财经高等专科学校信管系长沙410205 湘潭大学信息工程学院湖南湘潭411105

文章针对解集分布非均匀的问题,提出了一种新的多目标进化算法,称之为GNEA(带小生境的网格进化算法)。在算法中,针对分均匀问题的特点,采用了小生境技术来保持解集的局部非均匀分布,以及网格技术来保证整个解集的分布度。为了让GNEA运... 详细信息

文章针对解集分布非均匀的问题,提出了一种新的多目标进化算法,称之为GNEA(带小生境的网格进化算法)。在算法中,针对分均匀问题的特点,采用了小生境技术来保持解集的局部非均匀分布,以及网格技术来保证整个解集的分布度。为了让GNEA运行效率更高,提出了用庄家法构造非支配集的方法。最后通过与其他算法进行比较,验证了算法具有较好的运行效率,且在解决非均匀问题上是一种有效的多目标进化算法。

关键词：多目标进化算法网格小生境非均匀

来源：评论

学校读者我要写书评

暂无评论

基于增强生长型神经气的高维多目标进化算法

引用

数据采集与处理 2024年第3期39卷 634-648页

作者：薛明王鹏童向荣烟台大学计算机与控制工程学院烟台264005

随着对高维多目标优化问题的深入研究,带有不规则Pareto前沿的高维多目标优化问题因其复杂的Pareto前沿分布,给现有方法的求解带来了挑战。针对上述问题,提出一种基于增强生长型神经气的高维多目标进化算法,该算法综合生长型神经气网络... 详细信息

随着对高维多目标优化问题的深入研究,带有不规则Pareto前沿的高维多目标优化问题因其复杂的Pareto前沿分布,给现有方法的求解带来了挑战。针对上述问题,提出一种基于增强生长型神经气的高维多目标进化算法,该算法综合生长型神经气网络的学习特性与二元质量指标的优化特性来增强种群在不规则Pareto前沿的收敛压力。首先,设计了一种增强的生长型神经气网络,该网络利用Pareto最优前沿的拓扑信息指导种群向Pareto最优前沿方向收敛。然后,提出了一种联合度量指标以配合Pareto支配信息来综合评价个体的收敛性。最后,提出一种基于自适应参考点的环境选择增强种群在高维目标空间的多样性。为验证所提算法的性能,在DTLZ和WFG基准问题集中的44个不规则高维多目标优化问题与5种先进的高维多目标进化算法进行对比实验。实验结果表明,所提出的基于增强生长型神经气的高维多目标进化算法的整体性能优于对比算法。

关键词：多目标优化多目标进化算法度量指标不规则Pareto前沿生长型神经气

来源：评论

学校读者我要写书评

暂无评论

基于邻域表的多目标进化算法

引用

小型微型计算机系统 2009年第8期30卷 1644-1650页

作者：李密青郑金华湘潭大学信息工程学院湖南湘潭411105

针对算法性能和运行时间的矛盾,提出一种基于邻域表的多目标进化算法(NLEA).采用类似于图中邻接表的结构对解个体进行存储,利用个体之间的邻近关系从拥挤程度和距离上对其进行分级适应度赋值,并根据适应值调整个体链表中的次序以便高效... 详细信息

针对算法性能和运行时间的矛盾,提出一种基于邻域表的多目标进化算法(NLEA).采用类似于图中邻接表的结构对解个体进行存储,利用个体之间的邻近关系从拥挤程度和距离上对其进行分级适应度赋值,并根据适应值调整个体链表中的次序以便高效的进行环境选择操作.通过7个测试问题和3个方面的测试标准,结果表明新算法在较快速的接近真实的最优面的同时,拥有良好的分布性.

关键词：多目标进化算法多目标优化问题分布适应度邻域表

来源：评论

学校读者我要写书评

暂无评论

一种基于相似个体的多目标进化算法

引用

计算机工程与应用 2008年第14期44卷 67-72,84页

作者：伍军郑金华文诗华湘潭大学信息工程学院湖南湘潭411105

分布性保持是多目标进化算法研究的一个重要方面,一个好的分布性能给决策者提供更多合理有效的选择。Pareto最优解的分布性主要体现在分布广度与均匀性两个方面。提出一种基于相似个体的多目标进化算法(SMOEA)。在种群维护中删除相似程... 详细信息

分布性保持是多目标进化算法研究的一个重要方面,一个好的分布性能给决策者提供更多合理有效的选择。Pareto最优解的分布性主要体现在分布广度与均匀性两个方面。提出一种基于相似个体的多目标进化算法(SMOEA)。在种群维护中删除相似程度最大的个体;在进化操作中,选取了相似程度最大的个体进行进化。与目前经典算法NSGA-II和ε-MOEA进行比较,结果表明新算法拥有良好的分布性,同时也较好的改善了收敛性。

关键词：多目标进化算法多目标优化问题种群维护分布性相似个体

来源：评论

学校读者我要写书评

暂无评论

基于改进拥挤距离的多目标进化算法

引用

计算机工程 2009年第9期35卷 211-213页

作者：汪文彬钟声琼州学院计算机科学与技术系五指山572200 海南大学信息科学与技术学院海口570228

针对多目标进化算法的拥挤距离截断算子的分布度保持不足以及在二进制编码情况下较难收敛的缺点,提出一种改进的多目标进化算法,使用改进的拥挤距离截断算子和自适应变异算子,与经典的多目标进化算法进行对比,实验表明,该算法得到的Par... 详细信息

针对多目标进化算法的拥挤距离截断算子的分布度保持不足以及在二进制编码情况下较难收敛的缺点,提出一种改进的多目标进化算法,使用改进的拥挤距离截断算子和自适应变异算子,与经典的多目标进化算法进行对比,实验表明,该算法得到的Pareto解集具有良好的收敛性和分布性。

关键词：多目标进化算法拥挤距离变异算子

来源：评论

学校读者我要写书评

暂无评论

基于多目标进化算法的目标规划研究

引用

计算机科学 2002年第9期29卷 42-43页

作者：刘海林刘永清广东工业大学应用数学系广州1510090 华南理工大学自动控制工程系广州510641

1 引言目标规划是一类十分实用的重要模型,与一般多目标最优化模型不同,这类模型并不是考虑对各个目标进行极小化或极大化,而是希望在约束条件限制下,每一个目标都尽可能地接近于事先给定的各自对应的目标值.

关键词：多目标进化算法目标规划目标函数极小化极大化

来源：评论

学校读者我要写书评

暂无评论

求解多目标二层规划的多目标进化算法

引用

系统工程学报 2007年第2期22卷 181-184,214页

作者：林丹丑英哲李敏强天津大学数学系天津300072 天津大学管理学院天津300072

提出了一个求解多目标二层规划问题的多目标进化算法.用传统优化算法求解下层规划中用权向量线性加权后得到的单目标问题,而对上层的多目标规划问题则采用基于NSGA-II的选择机制的多目标进化算法求解.数值试验表明所提出的算法是有效的.

关键词：多目标二层规划多目标进化算法 Pareto-最优解 Pareto-最优前沿

来源：评论

学校读者我要写书评

暂无评论

一种快速的基于占优树的多目标进化算法

引用

软件学报 2007年第3期18卷 505-516页

作者：石川李清勇史忠植中国科学院计算技术研究所智能信息处理重点实验室

为了解决多目标进化算法中适应值指派(fitness assignment)的耗时问题,提出了一种新颖的适应值指派方法——占优树.占优树保存了个体之间的必要信息,暗含了个体的密度信息,而且显著减少了个体之间的比较.此外,基于占优树的淘汰策略没有... 详细信息

为了解决多目标进化算法中适应值指派(fitness assignment)的耗时问题,提出了一种新颖的适应值指派方法——占优树.占优树保存了个体之间的必要信息,暗含了个体的密度信息,而且显著减少了个体之间的比较.此外,基于占优树的淘汰策略没有花费额外的代价就保存了种群多样性.在此基础上,提出了一种新的基于占优树的多目标进化算法.通过6个测试问题和3个方面的测试标准,新算法在接近真实的最优前沿和保持种群的多样性方面,与SPEA2和NSGA-II性能相当,但速度要比它们快得多.

关键词：多目标进化算法进化算法占优树淘汰策略

来源：评论

学校读者我要写书评

暂无评论

一种基于邻居支配关系的偏好多目标进化算法

引用

计算机应用与软件 2013年第9期30卷 300-304,308页

作者：蒲骁旻湖南工业职业技术学院信息工程系湖南长沙410208

传统多目标优化算法得到的解集是整个Pareto最优面,需要花费大量精力在Pareto最优解的搜索上,同时当问题目标个数较多时,决策者很难从大量的解中选出自己最满意的解。因此,针对上述问题,提出一种基于邻居关系的偏好多目标进化算法。该... 详细信息

传统多目标优化算法得到的解集是整个Pareto最优面,需要花费大量精力在Pareto最优解的搜索上,同时当问题目标个数较多时,决策者很难从大量的解中选出自己最满意的解。因此,针对上述问题,提出一种基于邻居关系的偏好多目标进化算法。该算法通过一个邻居支配关系对非支配个体集进行适应度分层,借助参考点引导个体种群向决策者感兴趣的区域靠近。通过与几种经典的偏好多目标进化算法进行比较实验,结果表明,所提出的算法能引导种群趋近于决策者最满意的区域。

关键词：多目标进化算法引用点方法邻居支配关系感兴趣区域偏好信息

来源：评论

学校读者我要写书评

暂无评论

基于Pareto最优和限制精英的多目标进化算法

引用

计算机工程与应用 2007年第2期43卷 108-110页

作者：杨善学王宇平西安电子科技大学理学院应用数学系西安710071 西安电子科技大学计算机学院西安710071

在NSGA-II算法的基础上,提出了一种基于Pareto最优和限制精英的多目标进化算法(LEMOEA)。通过分布函数的引入,限制了精英选取的数量,从而更好地维护了种群多样性。同时给出了一种新的单点复合交叉算子,其不但增大了解的搜索区域,而且增... 详细信息

在NSGA-II算法的基础上,提出了一种基于Pareto最优和限制精英的多目标进化算法(LEMOEA)。通过分布函数的引入,限制了精英选取的数量,从而更好地维护了种群多样性。同时给出了一种新的单点复合交叉算子,其不但增大了解的搜索区域,而且增强了算法对解的搜索能力。实验结果表明:LEMOEA比NSGA-II有更好的收敛效果和种群多样性。

关键词：多目标进化算法 NSGA—Ⅱ 分布函数单点复合交叉算子

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：