融合Pareto邻域交叉算子的多目标分布估计算法

摘要：

将分布估计算法用于多目标优化问题,提出一种融合Pareto邻域交叉算子的多目标分布估计算法(MEDAP).与一般分布估计算法只通过采样方法产生新种群不同,MEDAP算法利用采样和交叉相结合的方法产生新种群,并通过模拟退火技术在线调节尺度因子,以此来控制采样和交叉的贡献量,根据NSGA-Ⅱ的选择策略选出下一代进化种群.数值实验分为两组,一组选取8个常用测试函数并与NSGA-Ⅱ、SPEA2、MOPSO三个多目标算法进行比较,数值实验结果表明了MEDAP算法的有效性.另一组与不加Pareto邻域交叉算子的多目标分布估计算法进行比较,数值实验结果验证了Pareto邻域交叉算子的加入提高了算法的性能.

关键词：多目标优化、分布估计、采样方法、Pareto邻域交叉算子、模拟退火

所属期刊栏目：47

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金the National Natural Science Foundation of China under Grant 60962006;宁夏自然科学基金NZ0848

在线出版日期：2012-02-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：38-41,153