排序方式: 共有161条查询结果,搜索用时 0 毫秒
1.
解集的均匀性评价是多目标进化算法中性能评价的要素之一.文中结合面向个体和面向空间的思想,提出可变影响空间的概念,并基于此提出一种解集均匀性评价方法——基于可变影响空间的多目标进化算法的解集均匀性评价方法(VISUM).该方法通过分析个体在可变影响空间内的相对均匀程度,能准确反映解集的分布均匀性.实验结果证明文中方法的可行性和有效性. 相似文献
2.
高维多目标优化是指对目标维数大于三维的多目标问题(multi-objective optimization problem,简称MOP)进行优化.大多数传统的多目标进化算法采用Pareto支配关系指导搜索,很难在高维多目标优化问题上得到较为理想的结果.为此,提出了一种基于信息分离的高维多目标进化算法(multi-objective evolutionary algorithm based on information separation,简称ISEA).该算法在目标空间中将原坐标系进行旋转,使第1条坐标轴与向量(1,1,…,1)T平行.ISEA定义转换坐标的第1个坐标值为收敛信息(convergence information,简称CI),剩余的坐标代表个体分布信息(diversity information,简称DI).同时,采用一种基于分层选择的邻域惩罚机制,利用一种由两个超圆锥组成的邻域形状保持种群的分布性,当个体被选入归档集后,其邻域内的个体将被惩罚进入下一层选择,防止邻近的个体同时被选入归档集.邻域形状的第1部分利用分布信息覆盖邻近的个体,第2部分覆盖边界上的差个体.与NNIA,e-MOEA, MSOPS,AR+DMO以及IBEA这5种经典算法进行了比较.实验结果表明,ISEA在处理高维多目标优化问题时具有良好的收敛性和分布性. 相似文献
3.
给出了进化个体之间的关系和非支配集中不同个体之间的相关性质,参考快速排序的思想,提出了一种有效的构造非支配集的算法.在此基础上,将多亲遗传算法与改进的快速排序构造非支配集的算法相结合,提出了一种基于多亲遗传机制的多目标优化算法.最后对提出算法进行了分析,采用了测试函数进行了仿真实验,获得了理想的实验结果. 相似文献
4.
一种基于拉丁超立方体抽样的多目标进化算法 总被引:2,自引:0,他引:2
传统多目标进化算法(MOEA)在解决具有复杂Pareto解集的多目标优化问题(CPS_MOP)时存在严重的退化现象.为此,本文提出两种进化模型-基于个体的进化模型和基于种群的进化模型.并在此基础上,设计两类基于拉丁超立方体抽样(LHS)的MOEA(LHS-MOEA).LHS-MOEA采用LHS局部搜索开采目前较优秀的区域,采用进化操作在可行解空间中探测新的搜索区域,从而有效克服退化现象.实验结果表明,LHS-MOEA求解CPS_MOPs的效果较好,比经典算法NSGA_Ⅱ具有明显的优势. 相似文献
5.
6.
7.
一种基于最小生成树的多目标进化算法 总被引:6,自引:1,他引:5
怎样保证朝Pareto最优解的方向搜索和如何获得均匀分布且范围广泛的非支配解是多目标进化算法(MOEA)设计时的两个关键问题,它们很大程度上取决于适应度赋值和外部种群维护这两个重要部分.提出了一种基于最小生成树的多目标进化算法(MST_MOEA).在考虑了个体间支配关系的基础上,利用个体与非支配集的距离和不同等级个体的树聚集密度来对适应度赋值;在外部种群的非支配解个数超过规定的种群规模时,用树的度数和树聚集密度对其进行修剪.将其应用于不同维数下9个测试函数,并与NSGA-II,SPEA2进行对比,结果证实了算法良好的收敛性和分布性. 相似文献
8.
一种多目标进化算法解集分布广度评价方法 总被引:6,自引:0,他引:6
解集分布广度评价是多目标进化算法性能评价中的重要研究课题.作者提出了一种在未知Pareto最优面情况下解集分布广度评价方法(Spread Indicator,SI).不同于已存在的评价方法考虑极端个体,该方法利用边界解集对非支配集分布范围进行评价.对非支配集中边界解的性质和特征进行了详细的分析,讨论了边界解与极端解之间... 相似文献
9.
本文讨论的并行遗传算法是一类控制主从式的异步并行的遗传算法,它合理地解决了遗传操作和通讯之间的协调,具有通讯开销小、子群体之间信息交流充分等特点。 相似文献
10.
多目标遗传算法在人脸识别中的应用 总被引:1,自引:0,他引:1
多目标遗传算法MOGA是求解多目标优化问题的有效工具,因而在求解实际问题中得到了越来越广泛的应用。但是,不同的实际问题有不同的要求及不同的约束条件,因此在求解实际问题时需要对算法的遗传操作做出改进,以满足不同问题的需要。本文就是多目标遗传算法在人脸识别中的具体应用。 相似文献