基于极大极小关联密度的多目标微分进化算法

• 作者: 李佐勇 柳炳祥 汤可宗 蔡华辉 詹棠森
• 来源期刊: 南京理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 极大极小关联密度 多目标优化 微分进化 进化算法 自适应选择策略
• 年，卷（期）: 2019,（6）
• 页码范围: 693-699
• 页数: 7页
• 分类号: TP291
• 字数: 6053字
• 语种: 中文
• DOI: 10.14177/j.cnki.32-1397n.2019.43.06.004

摘要

采用微分进化方法求解多目标优化问题,为了改善解集分布性和提高算法收敛性,提出1种基于极大极小关联密度的多目标微分进化算法.该算法定义了极大极小关联密度.在严格遵守Pareto支配规则的基础上,给出了基于极大极小关联密度的外部档案集维护方法,从而避免或减少最终解集的多样性损失.1种自适应选择策略通过评价个体的关联密度来指导个体优劣的选择过程,在确保最优个体进入下一代种群的同时,尽可能使个体的选择覆盖更广泛的搜索空间.实验结果显示,与多目标均匀多样性差分进化(MUDE)、基于反对称的自适应混合差分进化(OSADE)和非劣排序遗传算法Ⅱ (NSGA-Ⅱ)等经典算法相比,该文算法在世代距离(GD)和空间(SP)性能指标上有更好的表现,具有更优的Pareto前沿分布性与收敛性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	詹棠森	景德镇陶瓷大学信息工程学院	73	171	7.0	8.0
2	柳炳祥	景德镇陶瓷大学信息工程学院	154	681	13.0	21.0
3	蔡华辉	景德镇陶瓷大学信息工程学院	6	13	2.0	3.0
4	李佐勇	闽江学院工业机器人应用福建省高校工程研究中心	18	150	7.0	12.0
5	汤可宗	景德镇陶瓷大学信息工程学院	18	142	5.0	11.0