基于聚类的NSGA-II算法

摘要：

采用精英策略的非支配排序遗传算法(NSGA-II)种群收敛分布不均匀，全局搜索能力较弱。针对该问题，基于现有的算法，提出一种基于聚类学习机制的多目标进化算法KMCNSGA-II。利用K均值聚类对目标函数和个体分别进行聚类，对聚类后的个体进行局部学习，以提高适应度。将该算法应用于经典的多目标约束和非约束测试函数中，通过收敛性指标世代距离和多样性指标?进行性能评价。实验结果表明，与NSGA-II算法相比，该算法在算法收敛性和种群多样性保持方面均有明显提高。

关键词：多目标进化算法、多目标优化、K均值聚类、非支配排序遗传算法II、局部搜索、Pareto前沿

分类号：TP18(自动化基础理论)

资助基金：国家自然科学基金资助项目61165002；甘肃省自然科学基金资助项目1010RJZA019

在线出版日期：2013-12-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：186-190