【摘要】：提出一種基于膜優(yōu)化理論的多目標優(yōu)化算法,該算法受膜計算的啟發(fā),結(jié)合膜結(jié)構(gòu)、多重集和反應(yīng)規(guī)則來求解多目標優(yōu)化問題。為了增強算法的適應(yīng)能力,采用了遺傳算法中的交叉與變異機制,同時在膜中引入外部檔案集,并采用非支配排序和擁擠距離方法對外部檔案集進行更新操作來提高搜索解的多樣性。仿真實驗采用標準的KUR和ZDT系列多目標問題對所提出的算法進行測試,通過該算法得出的非支配解集能夠較好地逼近真實的Pareto前沿,說明所提算法在求解多目標優(yōu)化問題上具有可行性和有效性。
[Abstract]:A multi-objective optimization algorithm based on membrane optimization theory is proposed. The algorithm is inspired by membrane computation and combines membrane structure, multi-multiple sets and response rules to solve multi-objective optimization problems. In order to enhance the adaptability of the algorithm, the crossover and mutation mechanism of genetic algorithm is adopted, and the external file set is introduced into the membrane. In order to improve the diversity of search solutions, the methods of undominated sorting and crowding distance are used to update the external file set. The proposed algorithm is tested by using standard KUR and ZDT series of multi-objective problems in simulation experiments. The non-dominated solution set obtained by the algorithm can approach the real Pareto frontier well. The results show that the proposed algorithm is feasible and effective in solving multi-objective optimization problems.
【作者單位】： 云南財經(jīng)大學(xué)信息學(xué)院;
【基金】：國家自然科學(xué)基金項目(61461051,71462036) 云南省教育廳一般項目(2015Y278)
【分類號】：TP18

【相似文獻】

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)多目標優(yōu)化進化算法[J];計算機研究與發(fā)展;2008年04期

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

4 郭曉東;王麗芳;;求解多目標優(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優(yōu)化問題的社會認知算法[J];計算機應(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優(yōu)化問題研究[J];計算機科學(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優(yōu)化的方法學(xué)研究[J];微型機與應(yīng)用;2012年07期

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

9 賈利民,張錫第;智能多目標優(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4條

1 劉桂萍;于瑞貞;;動態(tài)環(huán)境下的柴油機調(diào)速系統(tǒng)PID控制參數(shù)的多目標優(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團隊;;快速非支配排序多目標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 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

相關(guān)博士學(xué)位論文 前10條

1 王晗丁;復(fù)雜問題的多目標進化優(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)化和多目標優(yōu)化問題的進化算法研究[D];西安電子科技大學(xué);2015年

3 過曉芳;超多目標優(yōu)化問題的幾種進化算法研究[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)的進化多目標優(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)多目標優(yōu)化研究[D];華中科技大學(xué);2008年

7 陳瓊;演化多目標優(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;基于進化算法的高維多目標優(yōu)化問題求解方法及應(yīng)用[D];深圳大學(xué);2015年

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

10 魏靜萱;解決單目標和多目標優(yōu)化問題的進化算法[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;基于改進的粒子群算法的鉆進參數(shù)多目標優(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化多目標優(yōu)化[D];福建師范大學(xué);2015年

6 田野;高維多目標優(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;一種求解多目標優(yōu)化問題的改進遺傳算法研究[D];東北大學(xué);2013年

9 徐豪;基于合作型免疫克隆協(xié)同進化和量子粒子群的約束多目標優(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)參考點偏好的進化多目標優(yōu)化方法研究[D];西安電子科技大學(xué);2014年

，

本文編號：2200569