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
肖婧,毕晓君,王科俊.基于全局排序的高维多目标优化研究.软件学报,2015,26(7):1574-1583
基于全局排序的高维多目标优化研究
Research of Global Ranking Based Many-Objective Optimization
投稿时间:2013-06-23  修订日期:2014-03-27
DOI:10.13328/j.cnki.jos.004612
中文关键词:  高维多目标优化  宽松Pareto支配  全局排序
英文关键词:many-objective optimization  relaxed Pareto dominate  global ranking
基金项目:国家自然科学基金(61175126); 教育部博士学科点基金(20112304110009); 辽宁省教育厅科学研究一般项目(L2012458); 辽宁省博士科研启动基金(2012010339-401); 黑龙江省博士后基金(LBH-Z12073)
作者单位E-mail
肖婧 哈尔滨工程大学 自动化学院, 黑龙江 哈尔滨 150001
大连民族大学 信息与通信工程学院, 辽宁 大连 116600 
hrbeuxiaojing@aliyun.com 
毕晓君 哈尔滨工程大学 信息与通信工程学院, 黑龙江 哈尔滨 150001  
王科俊 哈尔滨工程大学 自动化学院, 黑龙江 哈尔滨 150001  
摘要点击次数: 1989
全文下载次数: 2255
中文摘要:
      目标数超过4的高维多目标优化是目前进化多目标优化领域求解难度最大的问题之一,现有的多目标进化算法求解该类问题时,存在收敛性和解集分布性上的缺陷,难以满足实际工程优化需求.提出一种基于全局排序的高维多目标进化算法GR-MODE,首先,采用一种新的全局排序策略增强选择压力,无需用户偏好及目标主次信息,且避免宽松Pareto支配在排序结果合理性与可信性上的损失;其次,采用Harmonic平均拥挤距离对个体进行全局密度估计,提高现有局部密度估计方法的精确性;最后,针对高维多目标复杂空间搜索需求,设计新的精英选择策略及适应度值评价函数.将该算法与国内外现有的5种高性能多目标进化算法在标准测试函数集DTLZ{1,2, 4,5}上进行对比实验,结果表明,该算法具有明显的性能优势,大幅提升了4~30维高维多目标优化的收敛性和分布性.
英文摘要:
      Many-Objective optimization problem (MOP) with more than four objectives are among the most difficult problems in the field of evolutionary multi-objective optimization. In fact, existing multi-objective evolutionary algorithms (MOEAs) can not fulfill the engineering requirement of convergence, diversity and stability. In this paper, a new kind of many-objective evolutionary algorithm is proposed. The algorithm adopts a global ranking technique to favor convergence by improving selection pressure without need of the user's preference or objective information, avoiding loss of rationality and credibility due to the use of relaxed Pareto domination relations. In addition, a new global density estimation method based on the harmonic average distance is presented. Finally, a new elitist selection strategy is designed. Simulation results on DTLZ{1,2,4,5} test problems with 4~30 objectives show that the proposed algorithm consistently provides good convergence as the number of objectives increases, outperforming five state-of-the-art MOEAs.
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