為提高多目標(biāo)算法的多樣性與分布性,提出了一種基于事件觸發(fā)的自適應(yīng)鄰域多目標(biāo)進(jìn)化算法（MOEA/D-ET）。采用事件觸發(fā)策略協(xié)調(diào)全局與局部搜索,利用網(wǎng)格法進(jìn)行全局尋優(yōu),利用自適應(yīng)鄰域MOEA/D進(jìn)行局部尋優(yōu)。對(duì)固定鄰域與自適應(yīng)鄰域進(jìn)行了對(duì)比,結(jié)果表明采用自適應(yīng)鄰域能有效地改善解分布不均的問題。通過對(duì)ZDT、WFG、DTLZ測(cè)試函數(shù)的求解,并與4個(gè)經(jīng)典的多目標(biāo)算法和2個(gè)最新的多目標(biāo)算法進(jìn)行對(duì)比,結(jié)果表明本文算法在收斂性和多樣性方面具有一定的優(yōu)越性。 

【文章來源】：華東理工大學(xué)學(xué)報(bào)(自然科學(xué)版). 2020,46(01)北大核心

【文章頁數(shù)】：10 頁

【參考文獻(xiàn)】：
期刊論文
[1]基于密度聚類的多目標(biāo)粒子群優(yōu)化算法[J]. 王學(xué)武,閔永,顧幸生.  華東理工大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(03)
[2]基于網(wǎng)格排序的多目標(biāo)粒子群優(yōu)化算法[J]. 李笠,王萬良,徐新黎,李偉琨.  計(jì)算機(jī)研究與發(fā)展. 2017(05)
[3]基于雙種群的約束多目標(biāo)優(yōu)化算法[J]. 畢曉君,張磊,肖婧.  計(jì)算機(jī)研究與發(fā)展. 2015(12)
[4]三態(tài)協(xié)調(diào)搜索多目標(biāo)粒子群優(yōu)化算法[J]. 王學(xué)武,薛立卡,顧幸生.  控制與決策. 2015(11)
[5]基于密集距離的多目標(biāo)粒子群優(yōu)化算法[J]. 鄭友蓮,樊俊青.  湖北大學(xué)學(xué)報(bào)(自然科學(xué)版). 2008(02)



本文編號(hào)：3036755