湖南省科技厅项目(2011GK3063)
- 作品数：3 被引量：1H指数：1
- 相关作者：郑金华张作峰邹娟黄端贾月更多>>
- 相关机构：湘潭大学更多>>
- 发文基金：国家自然科学基金湖南省科技厅项目湖南省自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于目标空间分解的自适应多目标进化算法被引量：1
- 2013年
- 针对基于分解的多目标进化算法(MOEA/D)个体与子问题的匹配问题,在分析MOEA/D的进化规律的基础上,提出了一种基于目标空间分解的自适应多目标进化算法(MOEA/OSD)。该算法采用以测试问题的参考点为起点的均匀权重向量分解目标空间,根据个体信息动态选择适合的子问题,并使用辅助向量的方法弥补分解方法的不足。对比实验结果表明,MOEA/OSD拥有较好的收敛性和分布性,采用不同的分解方法均能搜索到最优解,且具有较好的收敛速度。
- 郑金华张作峰邹娟
- 关键词：多目标优化子问题自适应
- 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
- 2014年
- 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.
- 郑金华黄端王康张作峰
- 基于偏好信息的动态引导式多目标寻优策略研究
- 2014年
- 传统的多目标进化算法研究的重点是获得分布在整个Pareto边界上的最优解集,而在现实问题中,决策者只对边界上某些区域分布的解感兴趣.纳入决策者偏好信息的多目标进化算法的研究很有实际意义.因此节约计算资源、快速有效地找到偏好区域的Pareto解集成为其研究的重点.针对该问题,本文提出基于偏好信息的动态引导式多目标寻优策略.该策略通过设置参数ε反映搜索过程中引导区域的动态性,参数控制DM偏好范围.将解与引导区域的距离作为响应选择策略的一个因素,从而有效地获得期望区域内的折衷解.实验结果表明,该算法具有较好的收敛性.
- 郑金华贾月
- 关键词：多目标优化多目标进化算法偏好
