• 主题
高级搜索  >
历史搜索 清空历史
首页> 中文期刊> 《微电子学与计算机》 >基于自适应惩罚策略的MOEA/D算法设计及应用

基于自适应惩罚策略的MOEA/D算法设计及应用

         
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

基于分解的多目标进化算法(Multiobjective evolutionary algorithm based on decomposition, MOEA/D)将一个多目标优化问题(multiobjective optimization problem, MOP)分解成一系列的单目标优化子问题,然后利用相互协作的进化方式优化这些子问题. MOEA/D利用独特的分解机制促进种群逼近Pareto最优前端(Pareto optimal front, POF),同时利用均匀分布的权重向量维护种群的多样性,在解决MOPs时具有较大的优势.但是,在实际工程中,大多数MOPs的POF具有复杂的特性.比如说POF可能具有长尾和顶点,这极大地降低了MOEA/D算法的性能.基于惩罚的边界交集法(penalty-based boundary intersection, PBI)是MOEA/D常用的分解方法之一.在PBI法中,惩罚因子起着平衡算法收敛性和多样性的关键作用.本文提出了一种自适应惩罚策略(adaptive penalty strategy, APS),能够在进化过程中自适应调整每个权重向量对应的惩罚因子值,有效地增强了近似Pareto前端的多样性.最后,利用六个具有复杂POF的基准MOPs和空间桁架结构多目标优化实验验证了所提MOEA/D-APS算法的有效性.

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号