本文關(guān)鍵詞：基于投影映射的動(dòng)態(tài)多目標(biāo)粒子群優(yōu)化算法　出處：《計(jì)算機(jī)仿真》2016年12期 　論文類(lèi)型：期刊論文

  更多相關(guān)文章： 投影映射 動(dòng)態(tài)多目標(biāo)優(yōu)化 粒子群 種群-領(lǐng)導(dǎo)集-檔案

【摘要】：為保證在動(dòng)態(tài)環(huán)境中及時(shí)跟蹤到最新的真實(shí)Pareto前沿,針對(duì)基于擁擠距離的檔案維護(hù)策略時(shí)間復(fù)雜度過(guò)高的問(wèn)題,提出一種采用投影映射的動(dòng)態(tài)多目標(biāo)優(yōu)化算法。上述算法利用投影映射的密度估計(jì)方法較精準(zhǔn)快速地估算檔案中解的密度;采用了ε-支配弱化傳統(tǒng)的Pareto占優(yōu)以使非劣解達(dá)到均勻分布;引入了對(duì)新環(huán)境下Pareto解的預(yù)測(cè),加快了算法的收斂進(jìn)程;提出了一種種群-領(lǐng)導(dǎo)集-檔案的三層結(jié)構(gòu),使得算法在動(dòng)態(tài)環(huán)境下的多目標(biāo)優(yōu)化中表現(xiàn)良好。實(shí)驗(yàn)結(jié)果表明,改進(jìn)算法能適應(yīng)動(dòng)態(tài)環(huán)境,快速跟蹤動(dòng)態(tài)Pareto面,且解集收斂性及均勻性良好,有效降低了檔案維護(hù)的時(shí)間復(fù)雜度。
[Abstract]:In order to ensure the timely tracking in a dynamic environment to the latest real time strategy for Pareto front, crowding distance archives maintenance high complexity problem based on the proposed a dynamic projection mapping using multi-objective optimization algorithm. The algorithm uses projection density estimation method is accurate rapid estimation density profile in solution the epsilon; dominate the weakening of traditional Pareto dominance in order to achieve uniform Pareto distribution; introduced to predict new environment Pareto solutions, accelerate the convergence process of the algorithm; put forward a set of population - Leadership archives three layer structure, which makes the algorithm in the dynamic environment of multi objective optimization good performance. The experimental results show that the improved algorithm can adapt to the dynamic environment, fast track dynamic Pareto surface, and the solution set of good convergence and uniformity, effectively reduces the time complexity of the archives maintenance.

【作者單位】： 桂林理工大學(xué)信息科學(xué)與工程學(xué)院;廈門(mén)市酷游網(wǎng)絡(luò)科技有限公司;
【基金】：國(guó)家自然科學(xué)基金項(xiàng)目(61203109,61563012) 廣西高�？蒲许�(xiàng)目(KY2015LX112) 廣西研究生教育創(chuàng)新計(jì)劃資助項(xiàng)目(YCSZ2014157)
【分類(lèi)號(hào)】：TP18
【正文快照】： _ 1 M胃 隨著學(xué)術(shù)研究的深人和社會(huì)生產(chǎn)生活中問(wèn)題復(fù)雜度的 增加,當(dāng)前智能計(jì)算領(lǐng)域的研究已經(jīng)從靜態(tài)向動(dòng)態(tài)、從單目 標(biāo)向多目標(biāo)轉(zhuǎn)變,如在系統(tǒng)工程、模式識(shí)別、工程設(shè)計(jì)和經(jīng)濟(jì) 管理領(lǐng)域中存在著大量的動(dòng)態(tài)優(yōu)化問(wèn)題。動(dòng)態(tài)多目標(biāo)優(yōu)化問(wèn)題(DMOPs)不僅有多個(gè)目標(biāo)函數(shù),而且問(wèn)題的這

【參考文獻(xiàn)】

相關(guān)期刊論文 前3條

1 周江;王國(guó)華;趙躍龍;;一種基于聚類(lèi)預(yù)測(cè)模型的動(dòng)態(tài)多目標(biāo)進(jìn)化算法[J];湖南師范大學(xué)自然科學(xué)學(xué)報(bào);2014年02期

2 彭星光;徐德民;高曉光;;基于Pareto解集關(guān)聯(lián)與預(yù)測(cè)的動(dòng)態(tài)多目標(biāo)進(jìn)化算法[J];控制與決策;2011年04期

3 陳善龍;張著洪;;基于免疫機(jī)制的動(dòng)態(tài)多目標(biāo)優(yōu)化免疫算法[J];貴州大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年05期

，

本文編號(hào)：1376283