原文服务方: 计算机应用研究       
摘要:
在基于分解技术的多目标进化算法的框架中,引入一种动态多策略差分进化模型.该模型在分析不同差分进化策略的特点基础上,选择了三种差分进化策略,并对每种策略分配一子种群.在进化过程中,依据每种策略对邻域更新的贡献度,动态地调整其子种群的大小.对比分析采用不同差分进化算法的性能,结果表明运用多个策略之间相互协同进化,有利于提高算法性能.将新算法同NSGA-Ⅱ与MOEA/D算法在LZ09系列基准函数上进行性能对比,实验结果显示该算法的收敛性和多样性均优于对比算法.将新应用于Ⅰ型梁多目标优化设计问题中,获得的Pareto前沿均匀,且解集域较宽广,对比分析表明了算法的工程实用性.
推荐文章
基于动态种群多策略差分进化模型的多目标进化算法
分解机制
多策略差分进化
动态种群
多目标优化
一种基于新型差分进化模型的MOEA/D改进算法
差分进化
可控支配域
主成分分析
基于分解的多目标进化算法
基于多策略排序变异的多目标差分进化算法
多目标优化
多策略差分进化
排序变异算子
自适应参数调整
基于分解和多策略变异的多目标差分进化算法
多目标优化
差分进化
分解
多策略变异
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于动态多策略差分进化模型的MOEA/D算法
来源期刊 计算机应用研究 学科
关键词 MOEA/D 多目标优化 多策略差分进化 动态子种群 Ⅰ型梁设计
年,卷(期) 2017,(9) 所属期刊栏目 算法研究探讨
研究方向 页码范围 2624-2628
页数 5页 分类号 TP18|TP301.6
字数 语种 中文
DOI 10.3969/j.issn.1001-3695.2017.09.013
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 侯杏娜 桂林电子科技大学教学实践部 12 35 4.0 5.0
2 林震 桂林电子科技大学教学实践部 9 19 4.0 4.0
3 韦晓虎 桂林电子科技大学教学实践部 13 19 2.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (32)
共引文献  (24)
参考文献  (16)
节点文献
引证文献  (4)
同被引文献  (15)
二级引证文献  (10)
1998(1)
  • 参考文献(1)
  • 二级参考文献(0)
1999(2)
  • 参考文献(1)
  • 二级参考文献(1)
2000(3)
  • 参考文献(0)
  • 二级参考文献(3)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(2)
  • 参考文献(2)
  • 二级参考文献(0)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(4)
  • 参考文献(1)
  • 二级参考文献(3)
2008(3)
  • 参考文献(0)
  • 二级参考文献(3)
2009(7)
  • 参考文献(2)
  • 二级参考文献(5)
2010(6)
  • 参考文献(0)
  • 二级参考文献(6)
2011(11)
  • 参考文献(2)
  • 二级参考文献(9)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(2)
  • 参考文献(2)
  • 二级参考文献(0)
2014(3)
  • 参考文献(3)
  • 二级参考文献(0)
2017(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
2019(9)
  • 引证文献(2)
  • 二级引证文献(7)
2020(4)
  • 引证文献(1)
  • 二级引证文献(3)
研究主题发展历程
节点文献
MOEA/D
多目标优化
多策略差分进化
动态子种群
Ⅰ型梁设计
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机应用研究
月刊
1001-3695
51-1196/TP
大16开
1984-01-01
chi
出版文献量(篇)
21004
总下载数(次)
0
总被引数(次)
238385
论文1v1指导