无参分组大规模变量的多目标算法研究

• 作者: 朱登京 段倩倩
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 大规模变量 多目标优化 交互变量 变量分组
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 高性能计算
• 页码范围: 603-609
• 页数: 7页
• 分类号: TP301.6
• 字数: 6682字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2020.04.005

摘要

目前大多数多目标优化算法没有考虑到决策变量之间的交互性,只是将所有变量当作一个整体进行优化.随着决策变量的增加,多目标优化算法的性能会急剧下降.针对上述问题,提出一种无参变量分组的大规模变量的多目标优化算法(MOEA/DWPG).该算法将协同优化与基于分解的多目标优化算法(MOEA/D)相结合,设计了一种不含参数的分组方式来提高交互变量分组的精确性,提高了算法处理含有大规模变量的多目标优化算法的性能.实验结果表明,该算法在大规模变量多目标问题上明显优于MOEA/D及其它先进算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	段倩倩	上海工程技术大学电子电气工程学院	5	9	1.0	3.0
2	朱登京	上海工程技术大学电子电气工程学院	1	0	0.0	0.0