基于反向学习模型的多目标进化算法

发布时间：2017-07-25 18:30

  本文关键词：基于反向学习模型的多目标进化算法

  更多相关文章： 多目标优化 MOEA/D 反向学习模型 减速器 优化设计

【摘要】：针对复杂多目标优化问题,提出一种基于分解机制和反向学习模型的多目标进化算法。该算法在基于分解机制的多目标进行算法的框架下,引入反向学习模型,该模型具有较好的局部寻优能力。在种群进化的过程中,反向学习模型和差分进化机制自适应的相互配合,能够较好地平衡算法的全局搜索与局部寻优能力。采用国际公认的具有复杂Pareto Set的LZ09系列测试问题进行实验验证,并与MOEA/D-DE、GDE3、NSGA-II和SPEA2等方法比较,实验结果表明,所提方法能够获得收敛性、分布性及延展性较好的Pareto最优解集。为了研究算法在求解约束问题的性能,将其应用于减速器多目标优化设计问题中,结果表明了该算法获得Pareto前端较均匀,说明其算法具有求解约束问题的能力和工程有效性。
【作者单位】： 华北水利水电大学机械学院;河南科技大学机电工程学院;
【关键词】： 多目标优化 MOEA/D 反向学习模型 减速器 优化设计
【基金】：国家自然科学基金项目(51475142)
【分类号】：TP18
【正文快照】： 引言在科学研究和工程应用领域许多问题中在决策过程中需考虑多个目标,而多个目标之间往往存在相互冲突,因此难以满足多个目标同时最优,对于这类问题属于多目标问题(Multi-objective optimizationproblem,MOP)。对于求解MOP,进化算法(Evolutionary algorithm,EA)具有其独特的

【相似文献】

中国期刊全文数据库 前10条

1 孙继红;;混合多元回归学习模型的改进[J];计算机仿真;2010年07期

2 李凡长;刘贵全;蔡庆生;;基于动态模糊逻辑的一种学习模型[J];计算机科学;1996年03期

3 于重重;吴子s，

本文编号：572695