一种改进的基于NSGA-Ⅱ和DE的多目标混合进化算法

发布时间：2017-12-22 16:41

  本文关键词：一种改进的基于NSGA-Ⅱ和DE的多目标混合进化算法　出处：《计算机应用研究》2016年12期 　论文类型：期刊论文

  更多相关文章： NSGA-Ⅱ 拉丁超立方抽样技术 差分算子 变异算子 多目标优化

【摘要】：为提高非支配排序遗传算法(NSGA-Ⅱ)的搜索精度和多样性,借鉴差分进化中加强局部搜索的策略,提出了一种改进的NSGA-Ⅱ算法(LDMNSGA-Ⅱ)。该算法利用拉丁超立方体抽样技术对解种群进行初始化,保证种群的初始分布能够均匀,采用差分进化中的变异引导算子和交叉算子替换NSGA-Ⅱ的交叉算子,加强局部搜索能力和提高搜索精度,同时保留NSGA-Ⅱ中的变异算子,保留算法多样性。四个经典测试函数的仿真结果表明,该算法LDMNSGA-Ⅱ在解决多目标优化问题中表现出了良好的综合性能。
【作者单位】： 西安邮电大学计算机学院;
【基金】：国家自然科学基金资助项目(61105064,61203311) 陕西省教育厅专项科研计划项目(14JK1667) 西安邮电大学研究生创新基金资助项目(CXL2014-34) 厦门市科技计划项目(3502Z20141164)
【分类号】：TP18
【正文快照】： 0引言在实际生活中,很多复杂系统的设计目标往往不止一个,且目标间互相限制,不能同时达到最优,此类问题被称之为多目标优化问题(multi-objective optimization problem,MOP)[1,2]。一个MOP往往没有最优解而是一个解集合,这个集合称为Pa-reto解集,对应的目标值集合称之为Pareto，

本文编号：1320215