基于奖惩机制的协同多目标优化算法

• 作者: 伍大清 李康 李悛 邵明
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 多目标优化算法 协同 精英学习策略 拓扑结构 奖惩机制
• 年，卷（期）: 2015,（10）
• 所属期刊栏目: 人工智能及识别技术
• 页码范围: 186-191,198
• 页数: 7页
• 分类号: TP301
• 字数: 4257字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-3428.2015.10.035

摘要

为提高已有多目标优化算法在求解高维复杂多目标优化问题上的解集分布性和收敛性,提出一种新的多目标微粒群优化算法.该算法基于多目标协同框架,将多种群奖惩机制进化算法用于求解分解后的若干单目标优化子问题,采用动态环形的拓扑结构,设计一种新型精英学习策略,获得逼近Pareto前沿的最优解集.通过典型的多目标优化函数进行测试验证,结果表明,与现有多目标优化算法相比,该算法不仅具有较好的收敛性能,而且解集分布性更均匀、覆盖范围更广.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	伍大清	南华大学计算机科学与技术学院	31	146	6.0	11.0
4	李悛	南华大学计算机科学与技术学院	13	33	2.0	5.0
8	邵明	上海工程技术大学管理学院	3	4	2.0	2.0
12	李康	东华大学旭日工商管理学院	6	37	3.0	6.0