基于alpha支配的高维目标进化算法研究

• 作者: 周欢 林梦嫚 王丽萍
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 高维目标优化 非支配受阻解 拥塞距离 超体积
• 年，卷（期）: 2017,（1）
• 所属期刊栏目: 人工智能
• 页码范围: 264-270
• 页数: 7页
• 分类号: TP18
• 字数: 5985字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2017.01.049

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王丽萍	浙江工业大学经贸管理学院	89	620	13.0	20.0
5	周欢	浙江工业大学信息工程学院	6	23	4.0	4.0
6	林梦嫚	浙江工业大学经贸管理学院	5	15	3.0	3.0