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
戚玉涛,刘芳,刘静乐,任元,焦李成.基于免疫算法和EDA 的混合多目标优化算法.软件学报,2013,24(10):2251-2266
基于免疫算法和EDA 的混合多目标优化算法
Hybrid Immune Algorithm with EDA for Multi-Objective Optimization
投稿时间:2011-07-07  修订日期:2012-10-19
DOI:10.3724/SP.J.1001.2013.04341
中文关键词:  多目标优化算法  人工免疫系统  分布估计算法  混合算法
英文关键词:multi-objective optimization algorithm  artificial immune system  estimation of distribution algorithm  hybrid algorithm
基金项目:国家自然科学基金(61303119); 国家教育部博士点基金(20090203120016, 20100203120008); 博士后面上基金(20090461283, 20090451369, 200801426, 20080431228, 201104658); 陕西省自然科学基础研究计划(2011JQ8010, 2009JQ8015); 中央高校基本科研业务费专项资金(K5051203007, K5051203002)
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 
 
刘静乐 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 
 
任元 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: 2060
全文下载次数: 2486
中文摘要:
      在免疫多目标优化算法的基础上,引入了分布估计算法(EDA)对进化种群进行建模采样的思想,提出了一种求解复杂多目标优化问题的混合优化算法HIAEDA(hybrid immune algorithm with EDA for multi-objectiveoptimization).HIAEDA 的进化过程混合了两种后代产生策略:一种是基于交叉变异的克隆选择算子,用于在父代种群周围进行局部搜索的同时开辟新的搜索区域;另一种是基于EDA 的模型采样算子,用于学习多目标优化问题决策变量之间的相关性,提高算法求解复杂多目标优化问题的能力.在分析两种算子搜索行为的基础上,讨论了两者在功能上的互补性,并利用有限马尔可夫链的性质证明了HIAEDA 算法的收敛性.对测试函数和实际工程问题的仿真实验结果表明,HIAEDA 与NSGAII 算法和基于EDA 的进化多目标优化算法RM-MEDA 相比,在收敛性和多样性方面均表现出明显优势,尤其是对于决策变量之间存在非线性关联的复杂多目标优化问题,优势更为突出.
英文摘要:
      The estimation of distribution algorithm (EDA) is a new type of evolutionary computation approach which reproduces offspring individuals by modeling and sampling the probability distribution of the evolving population. In this paper, the idea of EDA is introduced into the immune multi-objective optimization algorithm to form a hybrid algorithm termed as HIAEDA (hybrid immune algorithm with EDA for multi-objective optimization). It is proposed for solving complex multi-objective optimization problems (MOPs). In HIAEDA, two types of reproducing strategies are combined. One is a recombination and mutation based immune clonal selection operator. It performs a local search around the parent population and develops new searching areas. The other is a EDA based modeling and sampling operator. It learns the variable linkages and promotes the algorithm's capability of solving complex problems. By analyzing the searching behavior of the two operators, the paper comes to the conclusion that their functions are complementary to each other. The convergence of HIAEDA is proved using the theory of the finite Markov chain. Experimental results on benchmarking and real problems show that HIAEDA outperforms the outstanding NSGAII and the EDA based RM-MEDA in terms of both convergence and diversity, especially when solving complex MOPs with nonlinear relationship between decision variables.
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