周欢
- 作品数：4 被引量：17H指数：3
- 供职机构：浙江工业大学信息工程学院更多>>
- 发文基金：浙江省自然科学基金国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 动态邻域的分解多目标进化算法被引量：3
- 2017年
- 多目标优化问题是进化算法领域的研究热点与难点.基于分解的多目标进化算法(MOEA/D)在求解多目标优化问题时有着较强的搜索能力、高效的适应度评价、良好的收敛性等优点.然而,不同的子问题使用相同大小的邻域统一优化,减缓算法搜索全局最优解的速率.为解决以上问题,提出一种动态邻域设置策略,针对不同的子问题设置不同的邻域.首先,分析子问题差异处理的原因;其次,根据子问题与边界的距离,提出边界子问题与靠边界子问题的邻域减小,其他子问题邻域增大策略并将以上策略应用在MOEA/D中,提出一种动态邻域的分解多目标进化算法,进一步分析改进算法中参数的敏感性.将该算法在经典测试函数ZDT系列,WFG系列上进行仿真实验,并采用反向世代距离(IGD)和超体积(HV)指标对算法性能对比分析.结果表明,与MOEA/D对比,改进算法的收敛性明显提高,求出的解集相比MOEA/D,NSGA-II,MOEA/D-DU同类典型的算法求出解集的质量更高,算法在求解前端为凸面的情况效果甚好.
- 周欢孟利民王丽萍林梦嫚江波
- 关键词：多目标优化子问题
- 一种新的MOEA/D中邻域更新策略研究被引量：4
- 2017年
- MOEA/D算法使用聚合方法将多目标问题分解成单目标问题并行进化.然而,在优化的过程中,子代在固定的邻域内替换父代,并没有考虑固定邻域不利于算法选择较合适的父代参与繁殖.针对此问题,提出一种新的邻域更新策略.首先,利用各子问题的解,求出该解与所有权重向量的聚合函数值,以这些聚合函数值作为参考信息,更新父代解;其次,利用该参考信息,更新子问题对应的邻域结构.并将领域更新策略MOE/D算法应用子ZDT,DTLZ1-2等三个系列问题进行性能测试,并与M OEA/D、M OEA/D-GR算法进行性能对比.实验结果表明,与M OEA/D和M OEA/D-GR算法相比,结合邻域更新的M OEA/D策略,算法的收敛性明显提高.
- 周欢王丽萍林梦嫚江波
- 关键词：多目标优化
- 分组分解的多目标粒子群进化算法研究被引量：6
- 2017年
- 粒子群算法在求解多目标问题时具有收敛速度快、计算代价小等优点,尤其在局部最优搜索上的速度优势而被众多研究者所青睐.本文在粒子群算法的基础上提出一种新的分组策略即将分组分解融合到多目标粒子群算法中以提高邻域局部搜索的速度.该算法根据个体到权重矢量的距离大小以及各个聚合函数值进行最佳的分组匹配,并动态利用粒子群算法来增强局部搜索能力从而得到Pareto最优解集.在仿真实验中,将该算法应用于ZDT和DTLZ测试函数中进行性能测试,并与NSGAII、M OPSO、M OEA/D和REVA算法进行比较.实验结果表明,与其他四种算法相比,该算法的收敛性能更优,分布性能更好,所获Pareto最优解集的质量更高.
- 邱飞岳胡烜王丽萍周欢
- 关键词：多目标优化粒子群优化局部搜索
- 基于alpha支配的高维目标进化算法研究被引量：5
- 2017年
- 基于Pareto支配的多目标进化算法能够很好地处理2~3维的多目标优化问题。但在处理高维多目标问题时,随着目标维数的增大,支配受阻解的数量急剧增加,导致现有的多目标算法存在选择压力不够、优化效果较差的问题。通过引入α支配提供严格的Pareto分层,在同层中挑选相对稀疏的解作为候选解,同时详细分析不同α对算法性能的影响,提出一种新的基于α偏序和拥塞距离抽样的高维目标进化算法。将该算法在DTLZ上进行性能测试,并采用世代距离(GD)、空间评价(SP)、超体积(HV)等多个指标评估算法的性能。实验结果表明,引入α支配能去除绝大部分支配受阻解(DRSs),提高算法的收敛性。与快速非支配排序算法(NSGA-II)、基于分解的多目标进化算法(MOEA/D)、基于距离更新的分解多目标进化算法(MOEA/D-DU)相比,该算法的整体解集的质量有明显提高。
- 林梦嫚周欢王丽萍
