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
     
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
谢承旺,余伟伟,闭应洲,汪慎文,胡玉荣.一种基于分解和协同的高维多目标进化算法.软件学报,2020,31(2):356-373
一种基于分解和协同的高维多目标进化算法
Many-objective Evolutionary Algorithm Based on Decomposition and Coevolution
投稿时间:2018-04-01  修订日期:2018-05-25
DOI:10.13328/j.cnki.jos.005617
中文关键词:  高维多目标优化  分解策略  混合水平正交实验设计  高维多目标进化算法
英文关键词:many-objective optimization  decomposition strategy  mix-level orthogonal experimental design  many-objective evolutionary algorithm
基金项目:国家自然科学基金(61763010,61402481,61165004);广西八桂学者项目;河北青年拔尖人才支持计划(冀字[2013]17);河北省自然科学基金(F2015403046);河北省教育厅科技重点项目(ZD2018083);湖北省教育厅科研项目(B2015240);荆楚理工学院科学研究重点基金(ZR201402);荆楚理工学院科学研究引进人才科研启动金(QDB201605)
作者单位E-mail
谢承旺 南宁师范大学 计算机与信息工程学院, 广西 南宁 530299 chengwangxie@163.com 
余伟伟 北京工业大学 软件学院, 北京 100124  
闭应洲 南宁师范大学 计算机与信息工程学院, 广西 南宁 530299 byzhou@163.com 
汪慎文 河北地质大学 信息工程学院, 河北 石家庄 050031  
胡玉荣 荆楚理工学院 科技处, 湖北 荆门 448000  
摘要点击次数: 14
全文下载次数: 7
中文摘要:
      现实中大量存在的高维多目标优化问题对以往高效的多目标进化算法提出了严峻的挑战.通过将分解策略和协同策略相结合提出一种高维多目标进化算法MaOEA/DCE.该算法利用混合水平正交实验方法在聚合系数空间产生一组均匀分布的权重向量以改善初始种群的分布性;其次,算法将差分进化算子和自适应SBX算子进行协同进化,以产生高质量的子代个体,并改善算法的收敛性.该算法与另外5种高性能的多目标进化算法在基准测试函数集DTLZ{1,2,4,5}上进行对比实验,利用改进的反转世代距离指标IGD+评估各算法的性能.实验结果表明,MaOEA/DCE算法与其他对比算法相比,在总体上具有较为显著的收敛性和分布性优势.
英文摘要:
      In real-world, there exist lots of many-objective optimization problems (MaOPs), which severely challenge well-known multi-objective evolutioanry algorithms (MOEAs). A many-obective evolutioanry algorithm combining decomposition and coevolution (MaOEA/DCE) is presented in this paper. MaOEA/DCE adopts mix-level orthogonal experimental design to produce a set of weight vectors evenly distributed in weight coefficient space, so as to improve the diversity of initial population. In addition, the MaOEA/DCE integrates differential evolution (DE) with the adaptive SBX operator to generate high-quality offspring for enhancing the convergence of evolutionary population. Some comparative experiments are conducted among MaOEA/DCE and other five representative MOEAs to examine their IGD+ performance on four MaOPs of DTLZ{1,2,4,5}. The experimental results show that the proposed MaOEA/DCE has overall performance advantage over the other peering MOEAs in terms of convergence, diversity, and robustness.
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