近年來(lái),超多目標(biāo)優(yōu)化問(wèn)題（MaOPs）成為了進(jìn)化計(jì)算領(lǐng)域的研究熱點(diǎn)。然而,在處理各種優(yōu)化問(wèn)題中,如何有效地平衡收斂性和多樣性仍是一個(gè)難題。為了解決上述的問(wèn)題,該文提出了一種基于分解和支配關(guān)系的超多目標(biāo)進(jìn)化算法（DdrEA）。首先利用權(quán)重向量把整個(gè)種群分解為一組子種群,這些子種群將進(jìn)行協(xié)同優(yōu)化;然后利用角度和角度支配關(guān)系計(jì)算子種群內(nèi)每個(gè)解的值;最后根據(jù)適應(yīng)度值進(jìn)行精英選擇,即在每個(gè)子空間內(nèi)選取適應(yīng)度值最小的解作為精英解進(jìn)入下一代。DdrEA通過(guò)與當(dāng)前較優(yōu)的NSGA-Ⅱ/AD, RVEA, MOMBI-Ⅱ等多個(gè)超多目標(biāo)進(jìn)化算法進(jìn)行實(shí)驗(yàn)對(duì)比,實(shí)驗(yàn)結(jié)果表明該文算法性能明顯優(yōu)于對(duì)比算法,能夠有效平衡種群的收斂性和多樣性。 

【文章來(lái)源】：電子與信息學(xué)報(bào). 2020,42(08)北大核心EICSCD

【文章頁(yè)數(shù)】：7 頁(yè)

【部分圖文】：

圖1 兩個(gè)目標(biāo)下的角度支配準(zhǔn)則

DTLZ1具有線性的帕累托前沿，在這個(gè)問(wèn)題上RVEA獲得了最好的性能。而DTLZ2-DTLZ4具有凹的帕累托前沿，DdrEA在這3個(gè)測(cè)試問(wèn)題上獲得了較好的性能，這證明了DdrEA具有較好的處理規(guī)則帕累托前沿的能力。DTLZ5-DTLZ6具有斷開(kāi)的帕累托前沿，DdrEA在處理這類退化的帕累托前沿時(shí)的性能要比RVEA好，而NSGA-II/AD在這兩個(gè)測(cè)試問(wèn)題上的性能非常優(yōu)越，明顯優(yōu)于Ddr EA。DTLZ7具有斷開(kāi)的帕累托前沿，DdrEA的性能明顯優(yōu)于3個(gè)對(duì)比算法。圖3 各算法在10目標(biāo)WFG9問(wèn)題上獲得的結(jié)果

圖2 各算法在15目標(biāo)WFG1問(wèn)題上獲得的結(jié)果此外，算法不可能在每個(gè)測(cè)試問(wèn)題上都優(yōu)于對(duì)比算法，從實(shí)驗(yàn)結(jié)果可以看出，NSGA-II/AD在DTLZ5和DTLZ6上的性能明顯優(yōu)于3個(gè)對(duì)比算法，而RVEA在DTLZ1和DTLZ3上的性能非常優(yōu)越。綜合實(shí)驗(yàn)結(jié)果和上述分析可知，DdrEA在求解超多目標(biāo)優(yōu)化問(wèn)題時(shí)展現(xiàn)出良好的性能。

【參考文獻(xiàn)】：
期刊論文
[1]基于多目標(biāo)優(yōu)化NSGA2改進(jìn)算法的結(jié)構(gòu)動(dòng)力學(xué)模型確認(rèn)[J]. 賴文星,鄧忠民,張?chǎng)谓?  計(jì)算力學(xué)學(xué)報(bào). 2018(06)
[2]基于權(quán)重迭代的偏好多目標(biāo)分解算法解決參考點(diǎn)對(duì)算法影響的研究[J]. 鄭金華,喻果,賈月.  電子學(xué)報(bào). 2016(01)



本文編號(hào)：3540118