高维多目标多方向协同进化算法
CSTR:
作者:
作者单位:

(哈尔滨工程大学 a. 信息与通信工程学院,b. 理学院,哈尔滨150001.

作者简介:

张永建

通讯作者:

中图分类号:

TP273

基金项目:

国家自然科学基金项目(61175126);中央高校基本科研业务费专项资金项目(HEUCFZ1209);高等学校博士学科点专项科研基金项目(20112304110009);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).


High-dimensional multi-objective multi-directional co-evolutionary algorithm
Author:
Affiliation:

a. School of Information and Communication Engineering,b. School of Science,Harbin Engineering University, Harbin 150001,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:

    提出一种高维多目标多方向协同进化算法(HMMCA). 该算法利用目标空间内的一组方向向量将多目标优化问题分解成多个方向进行寻优, 并提出一种混合变异策略以加强算法在每个方向上的收敛能力; 同时, 该算法采用改进的交互式模糊支配和拥挤度估计因子来维护外部归档集的规模, 增强种群的收敛性和分布性. 将该算法与目前性能最好的3 种多目标进化算法在标准测试函数集上进行对比实验, 所得结果表明HMMCA与其他算法相比具有更好的收敛性和分布性

    Abstract:

    A high-dimensional multi-objective multi-directional co-evolutionary algorithm(HMMCA) is proposed. Firstly, the multi-objective optimization problem is decomposed into multiple directions for optimization by using a set of direction vector, and a hybrid mutation strategy is proposed to improve the convergence performance in every direction. Then, an innovative interactive fuzzy dominance and crowding factor are used to maintain the size of external archive. The proposed algorithm is compared to 3 state-of-the-art MOEAs on benchmark test problems. Simulation results show that the HMMCA has obvious advantage in convergence and distribution than other algorithms.

    参考文献
    相似文献
    引证文献
引用本文

毕晓君 张永建 沈继红.高维多目标多方向协同进化算法[J].控制与决策,2014,29(10):1737-1743

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:2013-08-27
  • 最后修改日期:2013-11-05
  • 录用日期:
  • 在线发布日期: 2014-10-20
  • 出版日期:
文章二维码