10.14188/j.1671-8836.2017.02.012
基于学习的动态多目标方法求解约束优化问题
提出一种用多目标技术求解约束优化问题的算法.该算法有3个特征:1)将约束优化问题转化为等价的动态约束多目标优化问题,然后用动态约束多目标演化算法求解动态约束多目标优化问题;2)演化初始阶段,拓宽约束边界以使整个种群可行;演化过程中,约束边界微弱的收缩以确保动态约束多目标演化算法中种群的大多数个体仍是可行的,这使动态约束多目标演化算法如同多目标演化算法求解无约束问题一样有效;3)采用基于学习的机制自适应调整演化算法的参数,以提高算法效率.实验结果表明,与4个当前较为先进的约束处理算法相比,本文算法效果更优.
演化算法、约束优化、多目标优化、动态多目标优化
63
TP301(计算技术、计算机技术)
国家自然科学基金资助项目61271140,61203306
2017-05-08(万方平台首次上网日期,不代表论文的发表时间)
共7页
177-183