基于PARETO的改进遗传在多目标模型的研究

• 作者: 林虹虹
• 来源期刊: 科技创新导报
• 学科: 工学
• 关键词: 多目标优化 遗传算法 PARETO
• 年，卷（期）: 2015,（27）
• 所属期刊栏目: IT 技术
• 页码范围: 46-47
• 页数: 2页
• 分类号: TP301.6
• 字数: 3049字
• 语种: 中文
• DOI: 10.16660/j.cnki.1674-098X.2015.27.046

摘要

该文先介绍PARETO解及多目标的相关概念，再通过自适应更新机制、精英保留策略等方法来提高遗传搜索效率，并且对多目标函数的结构进行改进设计，结合IAGAMO模型，以全局搜索机制作为研究基础，针对遗传算法实际应用缺陷进行了分析，着重论述通过全局搜索机制对提高局部搜索中遗传算法的影响，从而加速了IAGAMO混合算法的运算速度以及收敛效率。最后将PARETO的IAGAMO算法在生产实例进行仿真验证，结果所获得PARETO解的数据较符合生产的实际应用。因此，PARETO以其巨大的技术优势，有效提升了搜索效率，在多目标搜索以及解集的优化中发挥了重要的作用，因此具有广阔的发展空间。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	林虹虹		3	8	2.0	2.0