一种基于进化知识融合的多目标人工蜂群算法

发布时间：2018-05-27 18:53

  本文选题：多目标优化 + 进化知识融合　； 参考：《控制与决策》2017年12期

【摘要】：提出一种基于进化知识融合的多目标人工蜂群算法.首先,采用精英群体知识和种群自身进化知识混合引导引领蜂进化,保持种群的多样性和优异性;然后,将一种融合个体支配关系和种群分布关系的方法引入跟随蜂的概率选择中,合理选择个体进行深度开发以改善算法收敛性能和分布性能;最后,提出一种更为严格的外部档案维护策略以降低外部档案维护成本,提高解集的分布性能.通过求解标准测试函数,并与其他3种多目标优化算法进行比较,仿真结果表明所提出算法具有良好的收敛性能和分布性能,且解集的覆盖范围更广.
[Abstract]:A multi-objective artificial bee colony algorithm based on evolutionary knowledge fusion is proposed. First, the combination of elitist knowledge and the evolutionary knowledge of the population itself leads to the evolution of the bee, maintaining the diversity and excellence of the population. A method of combining individual dominance relationship and population distribution relationship is introduced into the probability selection of the following bee, and the individuals are reasonably selected for in-depth development in order to improve the convergence and distribution performance of the algorithm. A more strict external file maintenance strategy is proposed to reduce the cost of external file maintenance and improve the distribution performance of the solution set. By solving the standard test function and comparing with the other three multi-objective optimization algorithms, the simulation results show that the proposed algorithm has good convergence and distribution performance, and the solution set has a wider range of coverage.
【作者单位】： 江南大学物联网技术应用教育部工程研究中心;
【基金】：国家自然科学基金项目(61573167,61572237) 高等学校博士学科点专项科研基金项目(20130093110011)
【分类号】：TP18

【相似文献】

相关期刊论文 前10条

1 缑锦;蒋云良;吴扬扬;;知识融合中的反馈评估和参数校正的机制[J];计算机辅助设计与图形学学报;2008年01期

2 德淑敏;梅树立;;基于知识融合的研究性学习教学模式构建[J];农业网络信息;2008年03期

3 鲁慧民;冯博琴;赵英良;郑庆华;刘均;;一种基于扩展主题图的分布式知识融合[J];吉林大学学报(理学版);2009年03期

4 郭强;关欣;曹昕莹;张政超;何友;;知识融合理论研究发展与展望[J];中国电子科学研究院学报;2012年03期

5 徐赐军;李爱平;刘雪梅;;基于本体的知识融合框架[J];计算机辅助设计与图形学学报;2010年07期

6 周芳;王鹏波;韩立岩;;多源知识融合处理算法[J];北京航空航天大学学报;2013年01期

7 缑锦;杨建刚;蒋云良;陈倩;;基于元信息和本体论的知识融合算法[J];计算机辅助设计与图形学学报;2006年06期

8 张振海;王晓明;党建武;闵永智;;基于专家知识融合的贝叶斯网络结构学习方法[J];计算机工程与应用;2014年02期

9 李良富,樊孝忠,李宏乔,顾益军;知识是如何驱动Q/A系统的[J];计算机工程与应用;2004年20期

10 郑丽英,刘丽艳,王海涌;一种多知识融合的获取模糊规则的集成方法[J];自动化与仪器仪表;2005年02期

相关会议论文 前4条

1 张丹;华红艳;邵丽红;;扰动蚁群算法中参数的优化选择[A];中国自动化学会中南六省（区）2010年第28届年会·论文集[C];2010年

2 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

3 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

4 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

相关博士学位论文 前10条

1 缑锦;知识融合中若干关键技术研究[D];浙江大学;2005年

2 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

3 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

4 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

5 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

6 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

7 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

8 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

9 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

10 刘鎏;多目标优化进化算法及应用研究[D];天津大学;2010年

相关硕士学位论文 前10条

1 夏跃龙;多源异构民族信息资源知识融合算法研究[D];云南师范大学;2014年

2 孟晓琳;蚁群算法的研究及其应用[D];西南交通大学;2015年

3 胡瀛月;人工蜂群算法的改进及相关应用研究[D];中原工学院;2016年

4 高明芳;基于粒子群蚁群混合算法的物流车辆路径问题研究[D];内蒙古农业大学;2016年

5 周文明;基于智能算法的移动机器人路径规划研究[D];南京理工大学;2016年

6 缪志勇;车联网平台下基于优化蚁群算法的公交调度系统优化[D];江西农业大学;2016年

7 陈思洋;覆盖表生成蚁群算法：探索、挖掘与应用[D];南京大学;2015年

8 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

9 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

10 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

，

本文编号：1943370