帶精英策略的非支配排序遺傳算法（NSGA-Ⅱ）是目前較常見的多目標優(yōu)化算法。但上述方法基于固定擁擠度篩選中間種群,并未考慮篩選過程中擁擠度的動態(tài)變化,且算法不能適應不同進化時期對于解空間的不同搜索需求,搜索效率較低。提出一種基于動態(tài)擁擠度和自適應t分布交叉算子（a-tDX）改進的NSGA-Ⅱ算法,在每次刪除擁擠度最低的解后更新非支配解的擁擠度,直至選出所需數量的非支配解,以此維護解集的多樣性,并在算法迭代過程中采用自適應進化時期的t分布交叉以滿足算法對搜索空間的動態(tài)需求。原始NSGA-Ⅱ算法、正態(tài)分布交叉算子改進的NSGA-Ⅱ算法和所提算法在5個基準函數上的測試結果證明所提算法有更好的收斂性和多樣性。 

【文章來源】：計算機仿真. 2019,36(12)北大核心

【文章頁數】：6 頁

【部分圖文】：

采用動態(tài)擁擠度的篩選結果

4.4 實驗結果與分析按照前文所提的參數設置,在測試函數上進行實驗,并根據評價指標,可得到圖3-圖7所示的收斂性準則γ隨迭代次數變化的曲線與表2、表3中不同算法在不同測試函數上的收斂性準則γ、多樣性準則Δ對比。

按照前文所提的參數設置,在測試函數上進行實驗,并根據評價指標,可得到圖3-圖7所示的收斂性準則γ隨迭代次數變化的曲線與表2、表3中不同算法在不同測試函數上的收斂性準則γ、多樣性準則Δ對比。圖5 不同算法在ZDT3函數上γ的變化趨勢


本文編號：3071971