本文選題：進(jìn)化算法 + 多目標(biāo)優(yōu)化��； 參考：《電子學(xué)報》2017年11期

【摘要】：本文提出了一種用于多目標(biāo)優(yōu)化的進(jìn)化算法——基于模糊C均值聚類的進(jìn)化算法(A Fuzzy C-Means Clustering Based Evolutionary Algorithm,FCEA).在算法的迭代過程中,先利用模糊C均值聚類算法尋找種群的分布結(jié)構(gòu),通過對每一代種群進(jìn)行模糊劃分,獲得每個個體隸屬于每一類的隸屬度,然后本文設(shè)計了一種基于隸屬度的錦標(biāo)賽選擇算子,用于從整個種群中選擇相似個體進(jìn)行重組,引導(dǎo)算法進(jìn)行搜索.實驗結(jié)果表明,基于隸屬度的錦標(biāo)賽選擇算子的應(yīng)用能夠提升算法的性能,與MOEA/D-DE、NSGAII、SPEA2、SMS-EMOA等先進(jìn)的優(yōu)化算法進(jìn)行比較的結(jié)果表明,FCEA在求解具有復(fù)雜Pareto前沿的多目標(biāo)優(yōu)化問題(GLT系列)時具有一定的競爭力.
[Abstract]:In this paper, an evolutionary algorithm based on fuzzy C-means clustering for multi-objective optimization is proposed, which is called A Fuzzy C-Means Clustering Based Evolutionary algorithm.In the iterative process of the algorithm, the fuzzy C-means clustering algorithm is first used to find the distribution structure of the population. Through the fuzzy partition of each generation of population, the membership degree of each individual belongs to each class is obtained.Then, a tournament selection operator based on membership is designed, which is used to select similar individuals from the whole population for reorganization and lead the algorithm to search.The experimental results show that the application of membership based tournament selection operator can improve the performance of the algorithm.The results of comparison with the advanced optimization algorithms such as MOEA-D-DENGAIIG SPEA2SS-EMOA show that FCEA is competitive in solving multi-objective optimization problems with complex Pareto frontiers.
【作者單位】： 三峽大學(xué)機(jī)械與動力學(xué)院;常州大學(xué)商學(xué)院;
【基金】：國家自然科學(xué)基金(No.71501110)
【分類號】：TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 曹先彬,李金龍,王煦法;基于生態(tài)協(xié)同的多目標(biāo)優(yōu)化研究(英文)[J];軟件學(xué)報;2001年04期

2 劉淳安;王宇平;;基于新模型的動態(tài)多目標(biāo)優(yōu)化進(jìn)化算法[J];計算機(jī)研究與發(fā)展;2008年04期

3 徐鶴鳴;王東;;多目標(biāo)優(yōu)化問題的求解框架[J];微計算機(jī)信息;2009年36期

4 郭曉東;王麗芳;;求解多目標(biāo)優(yōu)化問題的分布估計算法[J];太原科技大學(xué)學(xué)報;2010年01期

5 雍龍泉;;求解一類不可微多目標(biāo)優(yōu)化問題的社會認(rèn)知算法[J];計算機(jī)應(yīng)用研究;2010年11期

6 郭思涵;龔小勝;;正交設(shè)計的E占優(yōu)策略求解高維多目標(biāo)優(yōu)化問題研究[J];計算機(jī)科學(xué);2012年02期

7 蓋玉權(quán);何昱;張宇燕;吳憲彬;萬海同;;復(fù)方藥物劑量配比多目標(biāo)優(yōu)化的方法學(xué)研究[J];微型機(jī)與應(yīng)用;2012年07期

8 王杰文;;約束多目標(biāo)優(yōu)化問題中約束處理方法綜述[J];現(xiàn)代計算機(jī)(專業(yè)版);2012年36期

9 賈利民,張錫第;智能多目標(biāo)優(yōu)化控制及其應(yīng)用[J];信息與控制;1992年01期

10 周學(xué)建;師清翔;朱永寧;;模糊相似優(yōu)先比在清選系統(tǒng)多目標(biāo)優(yōu)化中的應(yīng)用[J];洛陽工學(xué)院學(xué)報;1993年02期

相關(guān)會議論文 前9條

1 劉桂萍;于瑞貞;;動態(tài)環(huán)境下的柴油機(jī)調(diào)速系統(tǒng)PID控制參數(shù)的多目標(biāo)優(yōu)化[A];中國力學(xué)大會——2013論文摘要集[C];2013年

2 韓肖清;劉海龍;;基于遺傳算法的微電網(wǎng)多目標(biāo)優(yōu)化控制研究[A];2011中國電工技術(shù)學(xué)會學(xué)術(shù)年會論文集[C];2011年

3 曹瑞芬;吳宜燦;景佳;李國麗;裴曦;程夢云;林輝;FDS團(tuán)隊;;快速非支配排序多目標(biāo)遺傳算法在放療逆向計劃優(yōu)化中的應(yīng)用[A];第二屆全國核技術(shù)及應(yīng)用研究學(xué)術(shù)研討會大會論文摘要集[C];2009年

4 陳彪;徐捷;;基于遺傳算子和粒子群混合的K均值聚類方法[A];2009年中國智能自動化會議論文集（第三分冊）[C];2009年

5 杜方鍵;楊宏暉;;K均值聚類優(yōu)化集成學(xué)習(xí)[A];2011'中國西部聲學(xué)學(xué)術(shù)交流會論文集[C];2011年

6 周霄鵬;齊瑞云;;一種基于改進(jìn)型可能性C-均值聚類和故障向量的未知類型故障診斷方法[A];第24屆中國控制與決策會議論文集[C];2012年

7 王小剛;童振;王福利;張清知;;一種支持向量回歸模型參數(shù)多目標(biāo)尋優(yōu)方法[A];2007中國控制與決策學(xué)術(shù)年會論文集[C];2007年

8 楊春梅;萬柏坤;丁北生;;數(shù)據(jù)預(yù)處理和初始化方法對K-均值聚類的影響[A];中國儀器儀表學(xué)會第五屆青年學(xué)術(shù)會議論文集[C];2003年

9 王啟志;王曉霞;;基于模糊C均值聚類的故障診斷[A];2008中國儀器儀表與測控技術(shù)進(jìn)展大會論文集（Ⅲ）[C];2008年

相關(guān)博士學(xué)位論文 前10條

1 王晗丁;復(fù)雜問題的多目標(biāo)進(jìn)化優(yōu)化算法研究[D];西安電子科技大學(xué);2015年

2 董寧;求解約束優(yōu)化和多目標(biāo)優(yōu)化問題的進(jìn)化算法研究[D];西安電子科技大學(xué);2015年

3 過曉芳;超多目標(biāo)優(yōu)化問題的幾種進(jìn)化算法研究[D];西安電子科技大學(xué);2015年

4 左益;基于全局優(yōu)化和局部學(xué)習(xí)的進(jìn)化多目標(biāo)優(yōu)化算法[D];西安電子科技大學(xué);2016年

5 徐志丹;基于生物地理算法的多目標(biāo)優(yōu)化理論與應(yīng)用研究[D];哈爾濱工程大學(xué);2013年

6 蔣慶;地下水時空變化及監(jiān)測網(wǎng)多目標(biāo)優(yōu)化研究[D];華中科技大學(xué);2008年

7 陳瓊;演化多目標(biāo)優(yōu)化多樣性保持策略及其應(yīng)用研究[D];武漢理工大學(xué);2010年

8 陳小紅;基于進(jìn)化算法的高維多目標(biāo)優(yōu)化問題求解方法及應(yīng)用[D];深圳大學(xué);2015年

9 劉鎏;多目標(biāo)優(yōu)化進(jìn)化算法及應(yīng)用研究[D];天津大學(xué);2010年

10 魏靜萱;解決單目標(biāo)和多目標(biāo)優(yōu)化問題的進(jìn)化算法[D];西安電子科技大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 何素素;基于改進(jìn)的粒子群算法的鉆進(jìn)參數(shù)多目標(biāo)優(yōu)化研究[D];西安石油大學(xué);2015年

2 崔華;面向個性化需求的服務(wù)組合優(yōu)化方法[D];哈爾濱工業(yè)大學(xué);2015年

3 章姍捷;基于遺傳算法的電力工程多目標(biāo)優(yōu)化研究[D];華北電力大學(xué);2015年

4 高敏;基于協(xié)同論的風(fēng)電建設(shè)項目多目標(biāo)優(yōu)化模型研究[D];華北電力大學(xué);2015年

5 陳振興;基于空間擁擠控制策略的進(jìn)化多目標(biāo)優(yōu)化[D];福建師范大學(xué);2015年

6 田野;高維多目標(biāo)優(yōu)化算法的若干關(guān)鍵問題研究[D];安徽大學(xué);2015年

7 姜守勇;多目標(biāo)電體搜索優(yōu)化算法的研究[D];東北大學(xué);2013年

8 楊迪;一種求解多目標(biāo)優(yōu)化問題的改進(jìn)遺傳算法研究[D];東北大學(xué);2013年

9 徐豪;基于合作型免疫克隆協(xié)同進(jìn)化和量子粒子群的約束多目標(biāo)優(yōu)化問題研究[D];西安電子科技大學(xué);2014年

10 張永曉;基于分解和自適應(yīng)參考點(diǎn)偏好的進(jìn)化多目標(biāo)優(yōu)化方法研究[D];西安電子科技大學(xué);2014年

，

本文編號：1773838