基于模糊C均值聚类的锦标赛选择机制与多目标优化研究

发布时间：2018-04-19 16:25

  本文选题：进化算法 + 多目标优化　； 参考：《电子学报》2017年11期

【摘要】：本文提出了一种用于多目标优化的进化算法——基于模糊C均值聚类的进化算法(A Fuzzy C-Means Clustering Based Evolutionary Algorithm,FCEA).在算法的迭代过程中,先利用模糊C均值聚类算法寻找种群的分布结构,通过对每一代种群进行模糊划分,获得每个个体隶属于每一类的隶属度,然后本文设计了一种基于隶属度的锦标赛选择算子,用于从整个种群中选择相似个体进行重组,引导算法进行搜索.实验结果表明,基于隶属度的锦标赛选择算子的应用能够提升算法的性能,与MOEA/D-DE、NSGAII、SPEA2、SMS-EMOA等先进的优化算法进行比较的结果表明,FCEA在求解具有复杂Pareto前沿的多目标优化问题(GLT系列)时具有一定的竞争力.
[Abstract]:In this paper, an evolutionary algorithm based on fuzzy C-means clustering for multi-objective optimization is proposed, which is called A Fuzzy C-Means Clustering Based Evolutionary algorithm.In the iterative process of the algorithm, the fuzzy C-means clustering algorithm is first used to find the distribution structure of the population. Through the fuzzy partition of each generation of population, the membership degree of each individual belongs to each class is obtained.Then, a tournament selection operator based on membership is designed, which is used to select similar individuals from the whole population for reorganization and lead the algorithm to search.The experimental results show that the application of membership based tournament selection operator can improve the performance of the algorithm.The results of comparison with the advanced optimization algorithms such as MOEA-D-DENGAIIG SPEA2SS-EMOA show that FCEA is competitive in solving multi-objective optimization problems with complex Pareto frontiers.
【作者单位】： 三峡大学机械与动力学院;常州大学商学院;
【基金】：国家自然科学基金(No.71501110)
【分类号】：TP18

【相似文献】

相关期刊论文 前10条

1 曹先彬,李金龙,王煦法;基于生态协同的多目标优化研究(英文)[J];软件学报;2001年04期

2 刘淳安;王宇平;;基于新模型的动态多目标优化进化算法[J];计算机研究与发展;2008年04期

3 徐鹤鸣;王东;;多目标优化问题的求解框架[J];微计算机信息;2009年36期

4 郭晓东;王丽芳;;求解多目标优化问题的分布估计算法[J];太原科技大学学报;2010年01期

5 雍龙泉;;求解一类不可微多目标优化问题的社会认知算法[J];计算机应用研究;2010年11期

6 郭思涵;龚小胜;;正交设计的E占优策略求解高维多目标优化问题研究[J];计算机科学;2012年02期

7 盖玉权;何昱;张宇燕;吴宪彬;万海同;;复方药物剂量配比多目标优化的方法学研究[J];微型机与应用;2012年07期

8 王杰文;;约束多目标优化问题中约束处理方法综述[J];现代计算机(专业版);2012年36期

9 贾利民,张锡第;智能多目标优化控制及其应用[J];信息与控制;1992年01期

10 周学建;师清翔;朱永宁;;模糊相似优先比在清选系统多目标优化中的应用[J];洛阳工学院学报;1993年02期

相关会议论文 前9条

1 刘桂萍;于瑞贞;;动态环境下的柴油机调速系统PID控制参数的多目标优化[A];中国力学大会——2013论文摘要集[C];2013年

2 韩肖清;刘海龙;;基于遗传算法的微电网多目标优化控制研究[A];2011中国电工技术学会学术年会论文集[C];2011年

3 曹瑞芬;吴宜灿;景佳;李国丽;裴曦;程梦云;林辉;FDS团队;;快速非支配排序多目标遗传算法在放疗逆向计划优化中的应用[A];第二届全国核技术及应用研究学术研讨会大会论文摘要集[C];2009年

4 陈彪;徐捷;;基于遗传算子和粒子群混合的K均值聚类方法[A];2009年中国智能自动化会议论文集（第三分册）[C];2009年

5 杜方键;杨宏晖;;K均值聚类优化集成学习[A];2011'中国西部声学学术交流会论文集[C];2011年

6 周霄鹏;齐瑞云;;一种基于改进型可能性C-均值聚类和故障向量的未知类型故障诊断方法[A];第24届中国控制与决策会议论文集[C];2012年

7 王小刚;童振;王福利;张清知;;一种支持向量回归模型参数多目标寻优方法[A];2007中国控制与决策学术年会论文集[C];2007年

8 杨春梅;万柏坤;丁北生;;数据预处理和初始化方法对K-均值聚类的影响[A];中国仪器仪表学会第五届青年学术会议论文集[C];2003年

9 王启志;王晓霞;;基于模糊C均值聚类的故障诊断[A];2008中国仪器仪表与测控技术进展大会论文集（Ⅲ）[C];2008年

相关博士学位论文 前10条

1 王晗丁;复杂问题的多目标进化优化算法研究[D];西安电子科技大学;2015年

2 董宁;求解约束优化和多目标优化问题的进化算法研究[D];西安电子科技大学;2015年

3 过晓芳;超多目标优化问题的几种进化算法研究[D];西安电子科技大学;2015年

4 左益;基于全局优化和局部学习的进化多目标优化算法[D];西安电子科技大学;2016年

5 徐志丹;基于生物地理算法的多目标优化理论与应用研究[D];哈尔滨工程大学;2013年

6 蒋庆;地下水时空变化及监测网多目标优化研究[D];华中科技大学;2008年

7 陈琼;演化多目标优化多样性保持策略及其应用研究[D];武汉理工大学;2010年

8 陈小红;基于进化算法的高维多目标优化问题求解方法及应用[D];深圳大学;2015年

9 刘鎏;多目标优化进化算法及应用研究[D];天津大学;2010年

10 魏静萱;解决单目标和多目标优化问题的进化算法[D];西安电子科技大学;2009年

相关硕士学位论文 前10条

1 何素素;基于改进的粒子群算法的钻进参数多目标优化研究[D];西安石油大学;2015年

2 崔华;面向个性化需求的服务组合优化方法[D];哈尔滨工业大学;2015年

3 章姗捷;基于遗传算法的电力工程多目标优化研究[D];华北电力大学;2015年

4 高敏;基于协同论的风电建设项目多目标优化模型研究[D];华北电力大学;2015年

5 陈振兴;基于空间拥挤控制策略的进化多目标优化[D];福建师范大学;2015年

6 田野;高维多目标优化算法的若干关键问题研究[D];安徽大学;2015年

7 姜守勇;多目标电体搜索优化算法的研究[D];东北大学;2013年

8 杨迪;一种求解多目标优化问题的改进遗传算法研究[D];东北大学;2013年

9 徐豪;基于合作型免疫克隆协同进化和量子粒子群的约束多目标优化问题研究[D];西安电子科技大学;2014年

10 张永晓;基于分解和自适应参考点偏好的进化多目标优化方法研究[D];西安电子科技大学;2014年

，

本文编号：1773838