模糊自适应排序变异多目标差分进化算法

摘要：

为提高多目标差分进化算法在求解问题时的收敛性和多样性,提出了一种模糊自适应排序变异多目标差分进化算法.首先,采用模糊系统自适应调节排序变异参数,均衡了算法的局部搜索能力和全局探索能力,在加快算法收敛速度的同时,减小了陷入局部最优的可能性;其次,采用均匀种群初始化方法,在算法开始阶段获得了一个分布均匀的初始种群,提高了算法的稳定性和多样性;最后,增加一个临时的种群以存储被丢弃的个体,用于每一代优化后的最终选择,提高了种群进化过程中的多样性.采用7个标准测试函数和3个具有偏好特征的测试函数进行仿真实验,并将所提算法与其他4种多目标进化算法进行对比.实验结果表明,所提算法在收敛性和多样性方面整体上优于其他几种对比算法,可以有效地逼近真实Pareto前沿.同时,实验也验证了所提算法中模糊自适应排序变异策略的有效性.

关键词：多目标优化问题、差分进化、排序变异、模糊系统、自适应策略

所属期刊栏目：46

分类号：TP183(自动化基础理论)

资助基金：国家自然科学基金项目61563012,61203109;广西自然科学基金项目2014GXNSFAA118371,2015GXNSFBA139260;广西嵌入式技术与智能系统重点实验室基金

在线出版日期：2019-07-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：224-232