基于双种群进化策略的教与学-免疫克隆多目标进化算法

发布时间：2023-11-15 19:35

　　目的用基于双种群进化策略的教与学-免疫克隆多目标进化算法(multi-objective teaching-learning-based optimization with immune clone algorithm, MTLBO-ICA),解决无约束多目标优化问题。方法将局部搜索能力强的免疫克隆算法(immune clone algorithm, ICA)与全局搜索能力强的教与学优化算法(teaching-learning-based optimization,TLBO)算法相结合;采用Pareto交叉算子,使得优秀个体基因尽可能得到保留;采用Pareto支配的策略,将种群分为非支配个体和支配个体。结果相比于经典的多目标优化算法NSGA-II,SPEA2以及MOTLBO,MTLBO-ICA算法得到的Pareto曲线与真实Pareto曲线拟合的比较好。结论 MTLBO-ICA在收敛性和分散性方面都有很好的表现,能有效解决无约束多目标进化问题。

【文章页数】：7 页

【文章目录】：
1 多目标优化问题的模型
2 基于双种群进化策略的教与学-免疫克隆多目标优化算法
    2.1 教与学优化算法
    2.2 Pareto交叉算子
    2.3 MTLBO-ICA算法流程
3 仿真实验与性能优化分析
    3.1 复杂动态多目标优化问题的度量指标
    3.2 无约束多目标优化问题
    3.3 仿真实验环境、迭代标准以及控制参数设置
    3.4 实验优化结果性能分析
4 结论



本文编号：3864380