基于进化个体模糊适应值估计的交互式遗传算法
CSTR:
作者:
作者单位:

(1. 郑州航空工业管理学院机电工程学院,郑州450046;2.天津工业大学机械工程学院,天津300387)

作者简介:

郭广颂(1978-),男, 副教授,硕士, 从事智能控制与进化优化等研究;陈良骥(1978-), 男, 教授, 博士, 从事智能控制与制造等研究.

通讯作者:

E-mail: guogs78@126.com

中图分类号:

TP273

基金项目:

国家自然科学基金项目(61673196);河南省科技攻关项目(172102210513);河南省高等学校重点科研项目(18A120012).


Interactive genetic algorithms based on estimation of individuals' fuzzy fitness
Author:
Affiliation:

(1. School of Mechatronics Engineering,ZhengzhouUniversity of Aeronautics,Zhengzhou 450046,China;2. Schoolof Mechanical Engineering,Tianjin Polytechnic University,Tianjin 300387,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:

    采用大规模种群进化优化策略,根据用户评价时间和单一数值适应值估计个体模糊适应值;根据个体表现型属性和参照个体模糊适应值宽度计算个体表现型相似度;利用个体表现型相似度对种群聚类并估计未评价个体的模糊适应值;基于个体模糊适应值和表现型相似性构造个体选择适应值,实现个体相似性选择.将所提出方法应用于室内挂钟进化设计,并与已有典型方法进行比较.结果表明,所提出方法在提高优化质量、减轻用户疲劳、提高搜索效率等方面均具有优越性.

    Abstract:

    Individuals’ fuzzy fitness is estimated according to user's evaluation time and single numerical fitness by using the large-scale population evolutionary optimization strategy. Individual phenotype similarity is calculated according to the individuals’ phenotype attributes and the width of individuals’ fuzzy finess. The population is divided into several clusters and the not assigned individuals’ fuzzy fitness is estimated by using individuals’ phenotypes similarity. The individuals’ choice fitness is constructed based on individuals’ fuzzy fitness and phenotype similarity to achieve individual similarity selection. The proposed algorithm is applied to a wall clock evolutionary design system, and compared with existing typical ones.The experimental results show that the proposed algorithm has advantages in improving optimization quality and alleviating user fatigue while improving its efficiency in exploration.

    参考文献
    相似文献
    引证文献
引用本文

郭广颂,陈良骥,文振华,等.基于进化个体模糊适应值估计的交互式遗传算法[J].控制与决策,2018,33(9):1559-1566

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: 2018-09-06
  • 出版日期:
文章二维码