目的用基于雙種群進化策略的教與學(xué)-免疫克隆多目標(biāo)進化算法(multi-objective teaching-learning-based optimization with immune clone algorithm, MTLBO-ICA),解決無約束多目標(biāo)優(yōu)化問題。方法將局部搜索能力強的免疫克隆算法(immune clone algorithm, ICA)與全局搜索能力強的教與學(xué)優(yōu)化算法(teaching-learning-based optimization,TLBO)算法相結(jié)合;采用Pareto交叉算子,使得優(yōu)秀個體基因盡可能得到保留;采用Pareto支配的策略,將種群分為非支配個體和支配個體。結(jié)果相比于經(jīng)典的多目標(biāo)優(yōu)化算法NSGA-II,SPEA2以及MOTLBO,MTLBO-ICA算法得到的Pareto曲線與真實Pareto曲線擬合的比較好。結(jié)論 MTLBO-ICA在收斂性和分散性方面都有很好的表現(xiàn),能有效解決無約束多目標(biāo)進化問題。

【文章頁數(shù)】：7 頁

【文章目錄】：
1 多目標(biāo)優(yōu)化問題的模型
2 基于雙種群進化策略的教與學(xué)-免疫克隆多目標(biāo)優(yōu)化算法
    2.1 教與學(xué)優(yōu)化算法
    2.2 Pareto交叉算子
    2.3 MTLBO-ICA算法流程
3 仿真實驗與性能優(yōu)化分析
    3.1 復(fù)雜動態(tài)多目標(biāo)優(yōu)化問題的度量指標(biāo)
    3.2 無約束多目標(biāo)優(yōu)化問題
    3.3 仿真實驗環(huán)境、迭代標(biāo)準以及控制參數(shù)設(shè)置
    3.4 實驗優(yōu)化結(jié)果性能分析
4 結(jié)論



本文編號：3864380