基于近似边界和层次聚类的超多目标进化算法

• 作者: 张峰 顾一凡
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 超多目标优化问题 极值点 超多目标进化算法 角点解 层次聚类
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 智能、算法、系统工程
• 页码范围: 61-65
• 页数: 5页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2020.12.011

摘要

很多工程优化问题需要同时优化超过3个冲突的目标,这类问题就属于超多目标优化问题.由于超多目标优化问题的目标空间过于庞大,并且很多算法往往只能使用数量较少的种群来近似问题的结果,这使得很多算法难以保持较好的多样性和收敛性,此外,许多算法往往忽略使用极值点的有效信息来加速算法收敛.为了解决上述问题,提出了一种基于近似边界和层次聚类的超多目标进化算法.在一种求角点解方法的基础上,使用角点解近似边界(极值点)来加速算法收敛,并进一步提出使用层次聚类来挑选下一代种群,借此使得算法能够保持较好的收敛性和多样性.最后通过与多个流行的求解超多目标优化问题算法进行对比实验,证明了该算法的有效性.