發(fā)布時間：2019-07-17 10:28

【摘要】：針對多目標差分進化算法最優(yōu)解難以獲取的問題,提出一種基于參數(shù)動態(tài)調(diào)整的多目標差分進化(AMODE)算法.AMODE算法通過設(shè)計變異率和交叉率的自適應(yīng)調(diào)整策略,實現(xiàn)進化過程中變異率和交叉率的動態(tài)調(diào)整,均衡多目標差分進化算法的局部搜索能力和全局探索能力,獲得收斂性、多樣性和均勻性較好的最優(yōu)解.實驗結(jié)果表明,基于參數(shù)動態(tài)調(diào)整的AMODE算法能夠有效改善多目標差分進化算法的逼近能力(IGD)和均勻性(SP),具有較好的優(yōu)化效果.
[Abstract]:In order to solve the problem that the optimal solution of multi-objective differential evolution algorithm is difficult to obtain, a multi-objective differential evolution (AMODE) algorithm based on dynamic parameter adjustment is proposed. Amede algorithm realizes the dynamic adjustment of variation rate and intersection rate in the process of evolution by designing the adaptive adjustment strategy of variation rate and intersection rate, and balances the local search ability and global exploration ability of multi-objective differential evolution algorithm, so as to obtain convergence. The optimal solution with good diversity and uniformity. The experimental results show that the AMODE algorithm based on dynamic parameter adjustment can effectively improve the approximation ability (IGD) and uniformity (SP), of the multi-objective differential evolution algorithm.
【作者單位】： 北京工業(yè)大學(xué)信息學(xué)部;計算智能與智能系統(tǒng)北京市重點實驗室;
【基金】：國家自然科學(xué)基金項目(61533002,61622301) 中國博士后科學(xué)基金項目(2014M550017) 教育部博士點基金項目(20131103110016) 北京市教委項目(KM201410005001,KZ201410005002)
【分類號】：TP18

【相似文獻】

相關(guān)期刊論文 前10條

1 吳亮紅;王耀南;陳正龍;;求解混合整數(shù)非線性規(guī)劃問題的改進差分進化算法[J];小型微型計算機系統(tǒng);2007年04期

2 吳燕玲;盧建剛;孫優(yōu)賢;;基于免疫原理的差分進化[J];控制與決策;2007年11期

3 楊啟文;蔡亮;薛云燦;;差分進化算法綜述[J];模式識別與人工智能;2008年04期

4 許小健;黃小平;錢德玲;;自適應(yīng)加速差分進化算法[J];復(fù)雜系統(tǒng)與復(fù)雜性科學(xué);2008年01期

5 寧桂英;周永權(quán);;基于優(yōu)進策略的新差分進化算法動力學(xué)模型參數(shù)的估計[J];計算機與應(yīng)用化學(xué);2008年05期

6 譚躍;譚冠政;涂立;;一種新的混沌差分進化算法[J];計算機工程;2009年11期

7 王培崇;錢旭;王月;虎曉紅;;差分進化計算研究綜述[J];計算機工程與應(yīng)用;2009年28期

8 肖術(shù)駿;朱學(xué)峰;;一種改進的快速高效的差分進化算法[J];合肥工業(yè)大學(xué)學(xué)報(自然科學(xué)版);2009年11期

9 周蕭;王萬良;徐新黎;;解決作業(yè)車間調(diào)度問題的混合差分進化算法[J];輕工機械;2010年05期

10 王艷宜;;改進差分進化算法及其應(yīng)用[J];機械設(shè)計與研究;2010年05期

相關(guān)會議論文 前5條

1 陸絲馨;肖健梅;王錫淮;;基于改進差分進化算法的艦船電網(wǎng)重構(gòu)[A];第二十九屆中國控制會議論文集[C];2010年

2 張倩;李海港;;多目標問題的差分進化算法研究[A];2009年中國智能自動化會議論文集（第一分冊）[C];2009年

3 劉國帥;楊侃;陳靜;周景舒;周冉;鄭姣;;差分進化算法在三峽電站廠內(nèi)經(jīng)濟運行中的應(yīng)用[A];中國水文科技新發(fā)展——2012中國水文學(xué)術(shù)討論會論文集[C];2012年

4 倪惠康;杜文莉;錢鋒;;基于改進差分進化算法的PID參數(shù)優(yōu)[A];2009年中國智能自動化會議論文集（第一分冊）[C];2009年

5 雍龍泉;;求解一類多目標優(yōu)化問題的極大熵差分進化算法[A];2013年中國智能自動化學(xué)術(shù)會議論文集（第五分冊）[C];2013年

相關(guān)博士學(xué)位論文 前10條

1 孫浩;差分進化多目標優(yōu)化算法及其在鋁熱連軋軋制規(guī)程中應(yīng)用[D];燕山大學(xué);2015年

2 謝宇;差分進化的若干問題及其應(yīng)用研究[D];南京理工大學(xué);2015年

3 董峗;差分進化算法研究及在港口物流調(diào)度中的應(yīng)用[D];東北大學(xué);2015年

4 葛延峰;有關(guān)智能優(yōu)化算法及應(yīng)用的若干問題研究[D];東北大學(xué);2013年

5 劉榮輝;多階段自適應(yīng)差分進化算法及應(yīng)用研究[D];東華大學(xué);2012年

6 王旭;改進差分進化算法及其在可逆邏輯綜合中的應(yīng)用[D];東華大學(xué);2013年

7 董明剛;基于差分進化的優(yōu)化算法及應(yīng)用研究[D];浙江大學(xué);2012年

8 丁青鋒;基于元胞自動機的差分進化算法及其在通信系統(tǒng)中的應(yīng)用研究[D];上海大學(xué);2015年

9 徐斌;基于差分進化算法的多目標優(yōu)化方法研究及其應(yīng)用[D];華東理工大學(xué);2013年

10 解為成;基于局部摸索的差分進化算法及其在曲面重建中的應(yīng)用[D];武漢大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 高靜;量子差分進化算法在油田開發(fā)中的應(yīng)用研究[D];浙江大學(xué);2015年

2 萬婧;基于離散微粒群算法和混合差分進化算法的復(fù)雜生產(chǎn)調(diào)度問題求解[D];昆明理工大學(xué);2015年

3 張轉(zhuǎn);基于差分進化算法的混凝土德拜模型的研究[D];長安大學(xué);2015年

4 江華;差分進化算法的改進及其在K-means聚類算法中的應(yīng)用[D];華中師范大學(xué);2015年

5 任甜甜;差分進化算法在反演問題中的研究與應(yīng)用[D];新疆大學(xué);2015年

6 王丹;基于輔助函數(shù)的自適應(yīng)差分進化算法研究[D];西安電子科技大學(xué);2014年

7 劉家華;基于進化計算的軋制生產(chǎn)過程操作優(yōu)化算法與系統(tǒng)開發(fā)[D];東北大學(xué);2013年

8 張偉;差分進化算法的改進研究[D];西安電子科技大學(xué);2014年

9 程菲;膜計算在數(shù)值優(yōu)化問題中的應(yīng)用研究[D];西華大學(xué);2015年

10 袁文龍;基于控制思想的差分進化算法改進研究[D];東北大學(xué);2014年

，

本文編號：2515430