基于差分进化与NSGA-Ⅱ的多目标优化算法

发布时间：2017-11-11 03:08

  本文关键词：基于差分进化与NSGA-Ⅱ的多目标优化算法

  更多相关文章： 多目标优化 混合算法 自适应参数 Pareto最优解 收敛速度 空间分布

【摘要】：为避免多目标优化过程中子目标相互冲突,提高Pareto最优解的质量,提出一种基于差分进化(DE)和第二代非支配遗传算法(NSGA-Ⅱ)的混合算法。采用带有自适应参数的DE算法对初始种群进行变异和交叉操作,以提高种群的多样性。应用新种群标记策略对DE的初始种群和测试种群进行支配得到新种群,并标记其中每个个体,使DE能够处理多目标问题。将新种群作为NSGA-Ⅱ的初始种群,通过NSGA-Ⅱ产生下一代种群,进一步提升Pareto最优解的质量。使用4个基准多目标函数进行测试,结果表明,与NSGA-Ⅱ和SADE算法相比,该算法的收敛速度更快,Pareto最优解集空间分布更均匀。
【作者单位】： 辽宁石油化工大学信息与控制工程学院;
【基金】：国家自然科学基金(61473140,61203021)
【分类号】：TP18
【正文快照】： 中文引用格式:陶文华,刘洪涛.基于差分进化与NSGA-Ⅱ的多目标优化算法[J].计算机工程,2016,42(11):219-224.英文引用格式:Tao Wenhua,Liu Hongtao.Multi-objective Optimization Algorithm Based on Differential Evolution andNSGA-Ⅱ[J].Computer Engineering,2016,42(11):2

【相似文献】

中国期刊全文数据库 前10条

1 刘敏;陈宝兴;郑金华;;快速提高NSGA-Ⅱ算法双目标优化效率的方法[J];计算机工程与应用;2009年34期

2 赵瑞国;李界家;;NSGA-Ⅱ算法及其改进[J];控制工程;2009年S1期

3 王广博;韩庆;钟小平;;NSGA-Ⅱ中重复个体的控制[J];科学技术与工程;2011年34期

4 宋昕;黄磊;;基于改进NSGA-Ⅱ算法的港口堆位分配问题研究[J];计算机工程与应用;2012年33期

5 孙丽洁;乐秀t，

本文编号：1169528