基于自适应ε截断策略的约束多目标优化算法
为提高约束多目标优化问题所求解集的分布性和收敛性,该文提出基于自适应e截断策略的约束多目标优化算法。首先,自适应e截断选择策略能够保留Pareto最优解和约束违反度及目标函数值均较优的不可行解,不仅提高了种群多样性,而且能够较好地兼顾多样性和收敛性;其次,为增强算法的局部开发能力,在变异操作和交叉操作之后进行指数变异;最后,改进的拥挤密度估计方式只选择一部分Pareto最优解和距离较近的个体参与计算,不仅更加准确地反映解集的分布性,而且降低了计算量。通过在标准测试问题(CTP 系列)上与其他4种优秀算法的对比结果可以得出,该算法所求解集的分布性和收敛性均得到一定提高,而且相较于对比算法在求解性能上具备一定的优势。
约束多目标优化、约束处理技术、ε截断、分布性、收敛性
38
TP18(自动化基础理论)
国家自然科学基金资助项目61175126 Foundation Item:The National Natural Science Foundation of China 61175126
2016-08-26(万方平台首次上网日期,不代表论文的发表时间)
共7页
2047-2053