本文關(guān)鍵詞： 多目標(biāo)優(yōu)化 偏好多目標(biāo)優(yōu)化算法 權(quán)值向量 偏好解　出處：《電子學(xué)報(bào)》2016年11期 　論文類型：期刊論文

【摘要】：偏好多目標(biāo)優(yōu)化方法是多目標(biāo)優(yōu)化領(lǐng)域的一個(gè)重要分支,其主要目的是僅搜索Pareto前沿面上部分區(qū)域內(nèi)決策者感興趣的解.基于MOEA/D算法根據(jù)預(yù)先設(shè)定的均勻分布的權(quán)值向量搜索Pareto最優(yōu)前沿面的思想,本文提出了一種基于權(quán)值向量的偏好多目標(biāo)優(yōu)化方法,該方法通過引入具有偏好信息的權(quán)值向量,使算法僅搜索偏好點(diǎn)附近的解.仿真實(shí)驗(yàn)結(jié)果表明,與現(xiàn)有偏好多目標(biāo)優(yōu)化算法相比,本文方法具有支持多偏好點(diǎn)、偏好區(qū)域大小可控、偏好點(diǎn)位置無(wú)特別要求及偏好解具有更好收斂性的優(yōu)勢(shì).
[Abstract]:Preference multi-objective optimization is an important branch of multi-objective optimization. The main purpose of the algorithm is to search only the solutions of interest to the decision makers in parts of the Pareto frontier. Based on the idea of MOEA/D algorithm searching for the optimal front surface of Pareto according to the preset weighted vector of uniform distribution, In this paper, a preference multi-objective optimization method based on weight vector is proposed. By introducing the weight vector with preference information, the algorithm can only search the solution near the preference point. The simulation results show that, Compared with the existing multi-objective preference optimization algorithms, the proposed method has the advantages of supporting multi-preference points, controlling the size of preference regions, having no special requirements for the location of preference points, and having better convergence of preference solutions.
【作者單位】： 安徽大學(xué)計(jì)算機(jī)與科學(xué)技術(shù)學(xué)院;安徽大學(xué)計(jì)算智能與信號(hào)處理教育部重點(diǎn)實(shí)驗(yàn)室;
【基金】：國(guó)家自然科學(xué)基金(No.61272152,No.61502001) 安徽大學(xué)學(xué)校學(xué)術(shù)與技術(shù)帶頭人引進(jìn)工程(No.J10117700050)
【分類號(hào)】：TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王劭伯,呂勇哉;一種基于知識(shí)的多目標(biāo)優(yōu)化方法及其應(yīng)用[J];控制與決策;1989年01期

2 方詩(shī)虹;丁可偉;陳雅茜;;多目標(biāo)優(yōu)化方法研究[J];西南民族大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年04期

3 秦永法,趙明揚(yáng),陳書宏;基于遺傳退火算法的裝配線設(shè)計(jì)多目標(biāo)優(yōu)化方法[J];計(jì)算機(jī)集成制造系統(tǒng);2004年11期

4 劉桂萍;韓旭;官鳳嬌;;基于信賴域近似模型管理的多目標(biāo)優(yōu)化方法及其應(yīng)用[J];中國(guó)機(jī)械工程;2008年10期

5 劉淳安;;基于進(jìn)化機(jī)制的動(dòng)態(tài)多目標(biāo)優(yōu)化方法[J];微電子學(xué)與計(jì)算機(jī);2009年01期

6 彭觀,陳統(tǒng)堅(jiān),張俊,姚錫凡;制造過程的智能多目標(biāo)優(yōu)化方法[J];機(jī)械設(shè)計(jì)與制造工程;1999年02期

7 陳民鈾;張聰譽(yù);羅辭勇;;基于自適應(yīng)進(jìn)化粒子群算法的多目標(biāo)優(yōu)化方法[J];系統(tǒng)仿真學(xué)報(bào);2009年22期

8 馮建周;孔令富;李俐;張智慧;;一種新的約束多目標(biāo)優(yōu)化方法[J];計(jì)算機(jī)集成制造系統(tǒng);2011年07期

9 陳國(guó)棟;韓旭;劉桂萍;寧慧銘;張正;;一種基于代理模型引導(dǎo)采樣的多目標(biāo)優(yōu)化方法[J];系統(tǒng)仿真學(xué)報(bào);2011年10期

10 梁瑞鑫;張長(zhǎng)水;;一種基于免疫原理的多目標(biāo)優(yōu)化方法[J];小型微型計(jì)算機(jī)系統(tǒng);2005年10期

相關(guān)博士學(xué)位論文 前3條

1 陳國(guó)棟;基于代理模型的多目標(biāo)優(yōu)化方法及其在車身設(shè)計(jì)中的應(yīng)用[D];湖南大學(xué);2012年

2 徐鳴;基于群智能的魯棒多目標(biāo)優(yōu)化方法及應(yīng)用[D];浙江大學(xué);2011年

3 于晨龍;混合多目標(biāo)優(yōu)化方法研究及在電廠鍋爐負(fù)荷分配中的應(yīng)用[D];浙江大學(xué);2013年

相關(guān)碩士學(xué)位論文 前2條

1 李陽(yáng);多目標(biāo)優(yōu)化方法研究及在健康決策中的應(yīng)用[D];哈爾濱工業(yè)大學(xué);2015年

2 任元;基于EDA和自適應(yīng)進(jìn)化策略的多目標(biāo)優(yōu)化方法研究[D];西安電子科技大學(xué);2013年

，

本文編號(hào)：1519153