主页期刊介绍编委会编辑部服务介绍道德声明在线审稿编委办公编辑办公English
2018-2019年专刊出版计划 微信服务介绍 最新一期:2019年第10期
     
在线出版
各期目录
纸质出版
分辑系列
论文检索
论文排行
综述文章
专刊文章
美文分享
各期封面
E-mail Alerts
RSS
旧版入口
中国科学院软件研究所
  
投稿指南 问题解答 下载区 收费标准 在线投稿
郑金华,蒋浩,邝达,史忠植.用擂台赛法则构造多目标Pareto最优解集的方法.软件学报,2007,18(6):1287-1297
用擂台赛法则构造多目标Pareto最优解集的方法
An Approach of Constructing Multi-Objective Pareto Optimal Solutions Using Arena's Principle
投稿时间:2006-07-05  修订日期:2006-08-18
DOI:
中文关键词:  多目标进化  擂台赛法则  非支配集构造方法  Pareto最优解集  运行效率
英文关键词:multi-objective evolution  arena’s principle  non-dominated set  Pareto optimal solutions  running efficiency
基金项目:Supported by the National Natural Science Foundation of China under Grant Nos.60435010, 69974043 (国家自然科学基金); the Scientific Research Foundation for the Returned Overseas Chinese Scholars, Ministry of Education (教育部留学回国人员科研启动基金); the Natural Science Foundation of Hu'nan Province of China under Grant Nos.01JJY2060, 05JJ30125 (湖南省自然科学基金); the SRF of Hu'nan Provincial Education Department (湖南省教育厅重点科研项)
作者单位
郑金华 湘潭大学,信息工程学院,湖南,湘潭,411105 
蒋浩 湘潭大学,信息工程学院,湖南,湘潭,411105 
邝达 湘潭大学,信息工程学院,湖南,湘潭,411105 
史忠植 湘潭大学,信息工程学院,湖南,湘潭,411105 
摘要点击次数: 3145
全文下载次数: 3546
中文摘要:
      针对多目标进化的特点,提出了用擂台赛法则(arena's principle,简称AP)构造多目标Pareto最优解集的方法,论证了构造方法的正确性,分析了其时间复杂度为O(rmN)(0m/N<1).理论上,当AP与Deb的算法以及Jensen的算法比较时(它们的时间复杂度分别为O(rN2)和O(Nlog(r-1)N)),AP优于Deb的算法;当目标数r较大时(如r≥5),AP优于Jensen的算法;此外,当m/N较小时(如m/N≤50%),AP的效率与其他两种算法比较具有优势.对比实验结果表明,AP具有比其他两种算法更好的CPU时间效率.在应用中,AP可以被集成到任何基于Pareto的MOEA中,并能在较大程度上提高MOEA的运行效率.
英文摘要:
      This paper proposes an approach, namely the arena’s principle (AP), to construct the Pareto optimal solutions by utilizing features of the multi-objective evolution. It is proved that the AP works correctly and its computational complexity is O(rmN) (0<1). Theoretically, when AP is compared with Deb’s algorithm and Jensen’s algorithm (their computational complexity are O(rN2) and O(Nlog(r-1)N) respectively), AP is better than Deb’s, and is also better than Jensen’s when the objective number r is relatively large (such as r≥5). Moreover, AP performs better than the other two algorithms when m/N is relatively small (such as m/N≤50%). Experimental results indicate that AP performs better than the other two algorithms on the CPU time efficiency. In applications, AP can be integrated into any Pareto-based MOEA to improve its running efficiency.
HTML  下载PDF全文  查看/发表评论  下载PDF阅读器
 

京公网安备 11040202500064号

主办单位:中国科学院软件研究所 中国计算机学会 京ICP备05046678号-4
编辑部电话:+86-10-62562563 E-mail: jos@iscas.ac.cn
Copyright 中国科学院软件研究所《软件学报》版权所有 All Rights Reserved
本刊全文数据库版权所有,未经许可,不得转载,本刊保留追究法律责任的权利