基于权重学习的高维多目标进化算法

• 作者: 崔志华 李杭涓 谢丽萍
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 收敛性 权重信息 学习策略 小生境选择 进化算法
• 年，卷（期）: 2021,（1）
• 所属期刊栏目: 人工智能技术
• 页码范围: 18-23
• 页数: 6页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2021.01.004

摘要

在多目标进化算法解决多目标优化问题的过程中,随着目标个数的增加,种群个体进化方向的盲目性逐渐显露出来,同时还存在着收敛性和多样性难以平衡的问题.针对以上两个问题,以基于参考点策略的快速非支配排序遗传算法NSGA-III为框架,分别从产生候选解和选择候选解两个角度进行算法改进,从而得到一个新的进化算法WL-NSGAIII.在新算法的匹配选择阶段,设计了一种基于权重的个体学习策略,即利用种群信息构建代内关系为种群个体提供进化方向并增加候选解集的收敛性.同时,在新算法的环境选择阶段,利用权重信息对小生境选择策略进行改进.为了验证新算法的有效性,通过模拟实验将新算法与现有算法在DTLZ问题测试集中进行比较.仿真结果表明,新算法在大多数基准问题上具有良好的效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谢丽萍		18	71	4.0	8.0
2	崔志华		22	199	7.0	14.0
3	李杭涓		1	0	0.0	0.0