基于改进K 支配排序的高维多目标进化算法
CSTR:
作者:
作者单位:

1. 哈尔滨工程大学a. 自动化学院,b. 信息与通信工程学院,哈尔滨150001;
2. 辽宁省交通高等专科学校信息工程系,沈阳110122.

作者简介:

毕晓君

通讯作者:

中图分类号:

TP301.6

基金项目:

国家自然科学基金项目(61175126);黑龙江省博士后基金项目(LBH-Z12073);辽宁省博士科研启动基金项目(201205118);辽宁省教育厅科学技术研究一般项目(L2012458).


Multi-objective evolutionary algorithm based on improved K-dominated sorting
Author:
Affiliation:

1a. College of Automation,1b. College of Information and Communication Engineering,Harbin Engineering University,Harbin 150001,China;
2. Department of Information Engineering,Liaoning Provincial College of Communication,Shenyang 110122,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:

    为提高4 目标以上高维多目标优化问题的求解性能, 提出一种基于改进?? 支配排序的高维多目标进化算法(KS-MODE). 该算法针对K支配的支配关系和排序方法进行改进, 避免循环支配并增强选择压力; 设计新的全局密度估计方法提高局部密度估计精确性; 设计新的精英选择策略和适应度值评价函数; 采用CAO局部搜索算子加速收敛. 在4∼30 个目标标准测试函数上的实验结果表明, KS-MODE 能够在保证解集分布性的同时大幅提升收敛性和稳定性, 能够有效求解高维多目标优化问题.

    Abstract:

    To improve the convergence performance in dealing with multi-objective optimization problems(MOPs), a multiobjective evolutionary algorithm(MOEA) based on improved K-dominated sorting(KS-MODE) is proposed. KS-MODE improves ??-dominance to avoid the circular dominance and to enhance the selection pressure. The new global density estimation method, the elitist selection strategy and fitness evaluation function are also designed. In addition, the CAO operator is adopted to accelerate convergence. Simulation results on MOPs with 4-30 objectives show that, KS-MODE significantly outperforms several state-of-the-art MOEAs in terms of convergence, distribution and stability.

    参考文献
    相似文献
    引证文献
引用本文

肖婧 王科俊 毕晓君.基于改进K 支配排序的高维多目标进化算法[J].控制与决策,2014,29(12):2165-2170

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:2013-08-04
  • 最后修改日期:2013-11-18
  • 录用日期:
  • 在线发布日期: 2014-12-20
  • 出版日期:
文章二维码