在進(jìn)化多目標(biāo)優(yōu)化研究領(lǐng)域,多目標(biāo)優(yōu)化是指對(duì)含有2個(gè)及以上目標(biāo)的多目標(biāo)問(wèn)題的同時(shí)優(yōu)化,其在近些年來(lái)受到越來(lái)越多的關(guān)注。隨著MOEA/D的提出,基于聚合的多目標(biāo)進(jìn)化算法得到越來(lái)越多的研究,對(duì)MOEA/D算法的改進(jìn)已有較多成果,但是很少有成果研究MOEA/D中權(quán)重的產(chǎn)生方法。提出一種使用多目標(biāo)進(jìn)化算法產(chǎn)生任意多個(gè)均勻分布的權(quán)重向量的方法,將其應(yīng)用到MOEA/D,MSOPS和NSGA-III中,對(duì)這3個(gè)經(jīng)典的基于聚合的多目標(biāo)進(jìn)化算法進(jìn)行系統(tǒng)的比較研究。通過(guò)該類算法在DTLZ測(cè)試集、多目標(biāo)旅行商問(wèn)題MOTSP上的優(yōu)化結(jié)果來(lái)分別研究該類算法在連續(xù)性問(wèn)題、組合優(yōu)化問(wèn)題上的優(yōu)化能力,以及使用矩形測(cè)試問(wèn)題使得多目標(biāo)進(jìn)化算法的優(yōu)化結(jié)果在決策空間可視化。實(shí)驗(yàn)結(jié)果表明,沒(méi)有一個(gè)算法能適用于所有特性的問(wèn)題。然而,MOEA/D采用不同聚合函數(shù)的兩個(gè)算法MOEA/D_Tchebycheff和MOEA/D_PBI在多數(shù)情況下的性能比MSOPS和NSGA-III更好。

【文章頁(yè)數(shù)】：7 頁(yè)

【文章目錄】：
1 權(quán)重產(chǎn)生方法
    1.1 MOEA/D中權(quán)重產(chǎn)生方法
    1.2 基于多目標(biāo)進(jìn)化算法的權(quán)重產(chǎn)生方法
2 3個(gè)基于聚合的多目標(biāo)進(jìn)化算法
3 實(shí)驗(yàn)設(shè)計(jì)
    3.1 測(cè)試問(wèn)題
    3.2 性能評(píng)價(jià)指標(biāo)
    3.3 實(shí)驗(yàn)參數(shù)設(shè)置
4 實(shí)驗(yàn)數(shù)據(jù)和結(jié)果分析
    4.1 DTLZ系列測(cè)試問(wèn)題
    4.2 多目標(biāo)旅行商問(wèn)題
    4.3 Rectangle問(wèn)題
    4.4 實(shí)驗(yàn)結(jié)果總結(jié)
結(jié)束語(yǔ)



本文編號(hào)：3823827