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
戚玉涛,刘芳,常伟远,马晓亮,焦李成.求解多目标问题的Memetic免疫优化算法.软件学报,2013,24(7):1529-1544
求解多目标问题的Memetic免疫优化算法
Memetic Immune Algorithm for Multiobjective Optimization
投稿时间:2012-01-20  修订日期:2012-04-18
DOI:10.3724/SP.J.1001.2013.04282
中文关键词:  多目标优化  人工免疫算法  Memetic算法
英文关键词:multiobjective optimization  artificial immune algorithm  Memetic algorithm
基金项目:国家重点基础研究发展计划(973)(2013CB329402); 国家自然科学基金(61072139, 61001202, 61272279); 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); 国家教育部博士点新教师基金(20090203120016, 20100203120008); 中国博士后科学基金(20090461283); 陕西省自然科学基础研究计划(2011JQ8010, 2009JQ8015)
作者单位E-mail
戚玉涛 西安电子科技大学 计算机学院, 陕西 西安 710071
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 
qi_yutao@163.com 
刘芳 西安电子科技大学 计算机学院, 陕西 西安 710071
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 
 
常伟远 西安电子科技大学 计算机学院, 陕西 西安 710071
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 
 
马晓亮 西安电子科技大学 计算机学院, 陕西 西安 710071
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 
 
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  
摘要点击次数: 2690
全文下载次数: 3936
中文摘要:
      将基于Pareto支配关系的局部下山算子和差分算子引入免疫多目标优化算法之中,提出了一种求解多目标问题的Memetic免疫优化算法(Memetic immune algorithm for multiobjective optimization,简称MIAMO).该算法利用种群中抗体在决策空间上的位置关系设计了两种有效的启发式局部搜索策略,提高了免疫多目标优化算法的求解效率.仿真实验结果表明,MIAMO与其他4种有效的多目标优化算法相比,不仅在求得Pareto最优解集的逼近性、均匀性和宽广性上有明显优势,而且算法的收敛速度与免疫多目标优化算法相比明显加快.
英文摘要:
      A Memetic immune algorithm for multiobjective optimization (MIAMO) is proposed by introducing two types of local search operators. These operators are the Pareto dominance based descent operator and the differential evolution based operator. In MIAMO, the position and spatial relations between antibodies in the decision space are used to design the two heuristic local searching strategies with the assistance of which the efficiency of the immune multiobjective optimization algorithm can be improved. Experimental results indicate that, comparing with the other four efficient multiobjective optimization algorithms, the MIAMO performs better in approximation, uniformity, and coverage. It converges significantly faster than the immune multiobjective optimization algorithm.
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