10.3969/j.issn.1000-3428.2016.11.036
基于差分进化与NSGA-Ⅱ的多目标优化算法
为避免多目标优化过程中子目标相互冲突,提高 Pareto 最优解的质量,提出一种基于差分进化(DE)和第二代非支配遗传算法(NSGA-Ⅱ)的混合算法。采用带有自适应参数的 DE 算法对初始种群进行变异和交叉操作,以提高种群的多样性。应用新种群标记策略对 DE的初始种群和测试种群进行支配得到新种群,并标记其中每个个体,使 DE能够处理多目标问题。将新种群作为 NSGA-Ⅱ的初始种群,通过 NSGA-Ⅱ产生下一代种群,进一步提升 Pareto最优解的质量。使用4个基准多目标函数进行测试,结果表明,与 NSGA-Ⅱ和 SADE算法相比,该算法的收敛速度更快,Pareto最优解集空间分布更均匀。
多目标优化、混合算法、自适应参数、Pareto最优解、收敛速度、空间分布
42
TP18(自动化基础理论)
国家自然科学基金61473140,61203021。
2016-12-02(万方平台首次上网日期,不代表论文的发表时间)
共6页
219-224