进化高维多目标优化算法研究综述
CSTR:
作者:
作者单位:

(1. 东北大学信息科学与工程学院,沈阳110004;2. 中国人民解放军陆军炮兵防空兵学院雷达工程系,合肥230031)

作者简介:

刘建昌(1960-), 男, 教授, 博士生导师, 从事复杂工业过程建模控制与优化等研究;李飞(1988-), 男, 博士生, 从事多目标优化算法的研究.

通讯作者:

E-mail: lanceleeneu@126.com

中图分类号:

TP273

基金项目:

国家自然科学基金项目(61773106,61703086);流程工业国家重点实验室基础科研业务项目(2013ZCX02-03);中央高校基本科研业务费专项资金项目(N160403003).


Survey on evolutionary many-objective optimization algorithms
Author:
Affiliation:

(1. College of Information Science and Engineering,Northeastern University,Shenyang 110004,China;2. Department of Radar Engineering,PLA Artillery Air Defense Force Academy,Hefei 230031,China)

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    首先针对常规多目标优化算法求解高维多目标优化时面临的选择压力衰减问题进行论述;然后针对该问题,按照选择机制的不同详细介绍基于Pareto支配、基于分解策略和基于性能评价指标的典型高维多目标优化算法,并分析各自的优缺点;接着立足于一种全新的性能评价指标-----R2指标,给出R2指标的具体定义,介绍基于R2指标的高维多目标优化算法,分析此类算法的本质,并按照R2指标的4个关键组成部分进行综述;最后,发掘其存在的潜在问题以及未来发展空间.

    Abstract:

    The paper first presents a comprehensive description of the selection pressure degradation problem when the traditional multi-objective evolutionary algorithms are adopted to solve many-objective optimization problems. According to the selection strategies, the Pareto-based, decomposition-based and indicator-based many-objective evolutionary algorithms(MaOEAs) are proposed to address the selection pressure degradation problem. Then, the definition of R2 indicator proposed as a new performance indicator is provided, and a series of R2-MaOEAs are infroduced. After analyzing the nature of R2-MaOEAs, this paper gives a general review of these algorithms in consideration of their four main components. Finally, the inherent basis and the future research arevintroduced.

    参考文献
    相似文献
    引证文献
引用本文

刘建昌,李飞,王洪海,等.进化高维多目标优化算法研究综述[J].控制与决策,2018,33(5):879-887

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2018-04-28
  • 出版日期:
文章二维码