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English
2020-2021年专刊出版计划 微信服务介绍 最新一期:2020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
尚荣华,焦李成,胡朝旭,马晶晶.修正免疫克隆约束多目标优化算法.软件学报,2012,23(7):1773-1786
修正免疫克隆约束多目标优化算法
Modified Immune Clonal Constrained Multi-Objective Optimization Algorithm
投稿时间:2011-03-11  修订日期:2011-05-06
DOI:10.3724/SP.J.1001.2012.04108
中文关键词:  约束多目标优化  免疫克隆  约束处理策略  约束偏离值  非支配解
英文关键词:constrained multi-objective optimization  immune clonal  constrained handling strategy  constrained violation value  non-dominated solutions
基金项目:国家自然科学基金(61001202, 61003199); 中国博士后科学基金(201104658, 20090451369, 200801426, 20080431228); 陕西省自然科学基础研究计划(2009JQ8015, 2010JQ8023); 国家教育部博士点基金(20100203120008, 20090203120016,200807010003); 高等学校学科创新引智计划(B07048); 教育部“长江学者和创新团队发展计划”(IRT1170)
作者单位E-mail
尚荣华 智能感知与图像理解教育部重点实验室(西安电子科技大学),陕西 西安 710071 rhshang@mail.xidian.edu.cn 
焦李成 智能感知与图像理解教育部重点实验室(西安电子科技大学),陕西 西安 710071  
胡朝旭 智能感知与图像理解教育部重点实验室(西安电子科技大学),陕西 西安 710071  
马晶晶 智能感知与图像理解教育部重点实验室(西安电子科技大学),陕西 西安 710071  
摘要点击次数: 3510
全文下载次数: 3607
中文摘要:
      针对约束多目标优化问题,提出修正免疫克隆约束多目标优化算法.该算法通过引进一个约束处理策略,用一个修正算法对个体的目标函数值进行修正,并对修正后的目标函数值采用免疫克隆算法进行优化,用一个精英种群对可行非支配解进行存储.该算法在优化过程中,既保留了非支配可行解,也充分利用了约束偏离值小的非可行解,同时引进整体克隆策略来提高解分布的多样性.通过对约束多目标问题的各项性能指标的测试以及和对比算法的比较可以看出:该算法在处理约束多目标优化测试问题时,所得解的多样性得到了一定的提高.同时,解的收敛性和均匀性也得到了一定的改进.
英文摘要:
      This paper proposes a modified immune clonal constrained multi-objective algorithm for constrained multi-objective optimization problems. By introducing a new constrained handling strategy to modify the objective values of individuals, the proposed algorithm optimizes the individuals with the modified objective values and stores the non-dominated feasible individuals in an elitist population. In the optimization process, the algorithm not only preserves the non-dominated feasible individuals, but also utilizes the infeasible solutions with smaller constrained violation values. Meanwhile the new algorithm introduces the overall cloning strategy to improve the distribution diversity of the solutions. The proposed algorithm has been tested on several popular constrained test problems and compared with the other two constrained multi-objective optimization algorithms. The results show that the optimal solutions of the proposed algorithm are more diverse than the other two algorithms and better in terms of convergence and uniformity.
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