本文關鍵詞：基于反向?qū)W習模型的多目標進化算法

  更多相關文章： 多目標優(yōu)化 MOEA/D 反向?qū)W習模型 減速器 優(yōu)化設計

【摘要】：針對復雜多目標優(yōu)化問題,提出一種基于分解機制和反向?qū)W習模型的多目標進化算法。該算法在基于分解機制的多目標進行算法的框架下,引入反向?qū)W習模型,該模型具有較好的局部尋優(yōu)能力。在種群進化的過程中,反向?qū)W習模型和差分進化機制自適應的相互配合,能夠較好地平衡算法的全局搜索與局部尋優(yōu)能力。采用國際公認的具有復雜Pareto Set的LZ09系列測試問題進行實驗驗證,并與MOEA/D-DE、GDE3、NSGA-II和SPEA2等方法比較,實驗結(jié)果表明,所提方法能夠獲得收斂性、分布性及延展性較好的Pareto最優(yōu)解集。為了研究算法在求解約束問題的性能,將其應用于減速器多目標優(yōu)化設計問題中,結(jié)果表明了該算法獲得Pareto前端較均勻,說明其算法具有求解約束問題的能力和工程有效性。
【作者單位】： 華北水利水電大學機械學院;河南科技大學機電工程學院;
【關鍵詞】： 多目標優(yōu)化 MOEA/D 反向?qū)W習模型 減速器 優(yōu)化設計
【基金】：國家自然科學基金項目(51475142)
【分類號】：TP18
【正文快照】： 引言在科學研究和工程應用領域許多問題中在決策過程中需考慮多個目標,而多個目標之間往往存在相互沖突,因此難以滿足多個目標同時最優(yōu),對于這類問題屬于多目標問題(Multi-objective optimizationproblem,MOP)。對于求解MOP,進化算法(Evolutionary algorithm,EA)具有其獨特的

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 孫繼紅;;混合多元回歸學習模型的改進[J];計算機仿真;2010年07期

2 李凡長;劉貴全;蔡慶生;;基于動態(tài)模糊邏輯的一種學習模型[J];計算機科學;1996年03期

3 于重重;吳子s，

本文編號：572695