检索结果-内蒙古大学图书馆

控制与决策 2024年第12期39卷 3989-3996页

作者：赵嘉胡秋敏肖人彬潘正祥崔志华樊棠怀南昌工程学院信息工程学院南昌330099 南昌工程学院南昌市智慧城市物联感知与协同计算重点实验室南昌330099 华中科技大学人工智能与自动化学院武汉430074 山东科技大学计算机科学与工程学院山东青岛266590 太原科技大学计算机科学与技术学院太原030024

多目标萤火虫算法在处理大规模稀疏多目标优化问题时难以保证Pareto最优解的稀疏性,当优化问题的目标维数过大时,将导致Pareto支配失效和收敛速度变慢.鉴于此,提出一种基于动态评分和邻域搜索的高维多目标萤火虫算法(SMaOFA).首先,所提... 详细信息

多目标萤火虫算法在处理大规模稀疏多目标优化问题时难以保证Pareto最优解的稀疏性,当优化问题的目标维数过大时,将导致Pareto支配失效和收敛速度变慢.鉴于此,提出一种基于动态评分和邻域搜索的高维多目标萤火虫算法(SMaOFA).首先,所提出算法基于双编码混合集成的方式生成稀疏的初始种群,并提出动态评分策略,此策略在每轮迭代时动态更新决策变量得分,为后续迭代提供先验知识,以保证解集的稀疏性;然后,根据模糊支配概念以及萤火虫间的欧氏距离提出邻域搜索策略,摒弃全吸引模型对算法收敛速度的影响,同时避免目标维数过大导致的Pareto支配失效;最后,引入线性调整因子改进萤火虫的位置更新公式,提升种群的搜索能力.实验结果表明,处理大规模稀疏多目标优化问题时,所提出算法具备高效的性能.

关键词：萤火虫算法高维多目标优化大规模稀疏优化稀疏性收敛速度动态评分

来源：评论

学校读者我要写书评

暂无评论

面向高维与大规模稀疏优化问题的多目标萤火虫算法研究

面向高维与大规模稀疏优化问题的多目标萤火虫算法研究

引用

作者：胡秋敏南昌工程学院

学位级别：硕士

多目标优化问题是现代工程和科学研究中的一个重要研究方向,涉及在给定的多个冲突目标之间寻找最优解的过程。与单目标优化相比,多目标优化需要同时考虑所有目标,并且往往不存在单一的全局最优解。特别地在高维多目标优化问题中,目标维... 详细信息

多目标优化问题是现代工程和科学研究中的一个重要研究方向,涉及在给定的多个冲突目标之间寻找最优解的过程。与单目标优化相比,多目标优化需要同时考虑所有目标,并且往往不存在单一的全局最优解。特别地在高维多目标优化问题中,目标维数的增加将导致非支配解的数量急剧增长,进而对求解方法的评估成本和计算资源提出更高的要求。在特定问题领域,如大规模稀疏多目标优化问题,还要考虑Pareto最优解的稀疏性,这使得算法辨识优势解更加困难。在实际应用的广泛需求和不断增长的复杂性推动下,开发出能够高效解决高维与大规模稀疏多目标优化问题的技术,已经成为相关领域研究的热点和难点。多目标萤火虫算法作为一种仿生学优化算法,其灵感来源于萤火虫的发光和吸引机制。由于多目标萤火虫算法在求解连续空间优化问题方面展现出的独特优势,被广泛应用于科学和工程领域。然而,标准的多目标萤火虫算法未考虑求解问题的特性,同时在进化过程中忽略了个体之间的适应度差异,导致算法出现陷入局部最优和优化精度低等问题。本论文以多目标萤火虫算法为研究对象,针对高维多目标优化问题和大规模稀疏多目标优化问题,分别提出不同的策略进行优化。本文的主要研究工作如下: (1)针对多目标萤火虫算法在解决高维多目标优化问题时存在Pareto支配失效、寻优能力弱和收敛速度慢的问题,提出参考点引导和多策略协同的高维多目标萤火虫算法。首先算法在目标空间中预设一组均匀分布的参考点,通过萤火虫与参考点之间的距离关系,划分出引导萤火虫和普通萤火虫;使用3种进化策略对萤火虫进行位置更新,引导萤火虫对局部空间进行探索,普通萤火虫根据距离阈值分别向引导萤火虫学习或对全局空间进行探索,提升算法的寻优能力和收敛速度;最后,算法融合反向学习思想,提高了发掘更优解的可能。35组基准测试的实验结果表明该算法具有较好的优化性能。 (2)针对多目标萤火虫算法在解决大规模稀疏多目标优化问题时难以保证Pareto最优解的稀疏性,当优化问题的目标维数过大还将导致Pareto支配失效和收敛速度变慢的问题,提出基于动态评分和邻域搜索的高维多目标萤火虫算法。首先基于双编码混合集成的方式生成稀疏的初始种群,并提出动态评分策略,为后续迭代提供先验知识;根据模糊支配概念及萤火虫之间的欧氏距离提出邻域搜索策略,在增加算法收敛速度的基础上避免目标维数过大导致的支配关系失效;引入线性调整因子改进萤火虫的位置更新公式,提升种群的搜索能力。8个基准测试函数和4个神经网络训练问题的实验结果表明该算法综合优化性能优于其它5种算法。综上所述,本文针对高维多目标优化问题和大规模稀疏多目标优化问题设计了两种不同的高维多目标萤火虫算法,深入研究了求解问题的特性和多目标萤火虫算法模型的缺陷,在优化阶段设计了更有针对性的优化策略,并在相关测试函数中验证了所提算法的性能。

关键词：萤火虫算法高维多目标优化大规模稀疏优化参考点引导多策略协同动态评分

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：