应用档案精英学习和反向学习的多目标进化算法

• 作者: 夏学文 王志杰 谢承旺
• 来源期刊: 计算机学报
• 学科: 工学
• 关键词: 档案精英学习 动态一般反向学习 3-点最短路径 多目标进化算法
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 科学与工程论坛
• 页码范围: 757-772
• 页数: 16页
• 分类号: TP301
• 字数: 14084字
• 语种: 中文
• DOI: 10.11897/SP.J.1016.2017.00757

摘要

现实中的多目标优化问题日益复杂,对多目标优化算法提出了新的挑战.受混合多目标优化算法的启发,该文提出了一种应用档案精英学习和反向学习的多目标进化算法(Multi-objective Evolutionary Algorithm Based on Archive-Elite Learning and Opposition-based Learning,AOL-MOEA)以解决困难的多目标优化问题.AOL-MOEA算法利用档案精英学习算子增强算法全局搜索能力,促进算法较快收敛;运用动态一般反向学习机制代替变异算子以增加种群逃逸局部极值的机会;使用3-点最短路径方法维持解群的多样性.AOL-MOEA算法与另外5种代表性多目标优化算法在12个基准多目标测试函数上进行性能比较,实验结果表明:AOL-MOEA算法在收敛性、多样性和稳定性等方面均优于或部分优于其他的对比算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谢承旺	华东交通大学软件学院	33	403	9.0	19.0
2	王志杰	华东交通大学软件学院	3	49	2.0	3.0
3	夏学文	华东交通大学软件学院	17	200	7.0	14.0