期刊专题

10.11897/SP.J.1016.2016.02598

基于大规模变量分解的多目标粒子群优化算法研究

引用
含有大规模变量的多目标优化问题是目前多目标进化算法领域的研究重点.多目标粒子群优化方法具有收敛性良好、计算简单和参数设置少等优点,但随着优化问题决策变量的增多,“变量维度”成为了瓶颈.针对上述问题,文中提出的变量随机分解策略,增加关联变量分配到同组的概率,使得算法更好的保留变量间的关联性,并将合作协同进化框架融合到算法中,提出了基于大规模变量分解的多目标粒子群优化算法(CCMOPSO).将该算法在经典标准测试函数ZDT1、ZDT2、ZDT3、DTLZ1、DTLZ2变量扩展后进行仿真对比实验,采用加法二进制ε指标和超体积指标(HV)对算法收敛性和多样性进行对比分析,实验结果表明,在解决大规模变量的多目标函数中,变量维度越高,该算法比经典多目标算法MOPSO、NSGA-Ⅱ、MOEA/D以及GDE3越具有更好的多样性与收敛性,同时使得计算复杂度明显降低.

粒子群优化、大规模变量、随机分解、合作协同、全局优化

39

TP391(计算技术、计算机技术)

国家自然科学基金面上项目61472366,61379077,61503340;浙江省自然科学基金LZ13F020002,LY13F030010,LY17F020022资助.This research is supported by the National Natural Science Foundation of China under Grant Nos.61472366,61379077 and 61503340,and the Zhejiang Provincial Natural Science Foundation of China under Grant Nos.LZ13F020002,LY13F030010,and LY17F0

2017-02-13(万方平台首次上网日期,不代表论文的发表时间)

共16页

2598-2613

暂无封面信息
查看本期封面目录

计算机学报

0254-4164

11-1826/TP

39

2016,39(12)

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn