基于云模型的多目标进化算法:性能与应用
137 浏览量
更新于2024-08-29
收藏 662KB PDF 举报
本文主要探讨了一种创新的多目标优化方法,即"一种基于云模型的多目标进化算法"(CMOEA)。该研究发表在2012年6月的《信息与控制》杂志第41卷第3期,作者是许波、彭志平、陈晓龙、柯文德和余建平,分别来自广东石油化工学院和湖南师范大学。
在传统的多目标进化算法(MOEAs)基础上,CMOEA引入了云模型的概念,这是一种模拟自然界现象的数学模型,旨在增强算法的适应性和灵活性。CMOEA的核心创新在于设计了一个自适应变异算子,它可以根据环境动态调整变异概率,使得算法在保持全局搜索的同时,具备更强的局部搜索能力,从而提高解的质量。
此外,CMOEA采用了小生境技术,通过条件云发生器的非线性动态调整,确保了解的多样性得以维护。它还引入了云模型参数来计算个体的拥挤度,这是一种衡量解集中个体相对优势的方法,有助于淘汰那些非劣解,保持种群的分布性。
为了评估CMOEA的性能,研究者将其应用于多目标0/1背包问题,这是一种经典的优化问题,与NSGA-II和SPEA2(当前流行且有效的多目标进化算法)进行了对比实验。结果显示,CMOEA展现出了优秀的搜索性能,能够在较短的时间内快速收敛到Pareto前沿,即非劣解集。得到的Pareto最优解集不仅在数量上,而且在质量上都显示出更好的收敛性和分布性。
这篇研究论文对多目标优化领域做出了重要贡献,提出了一种结合云模型与多目标进化策略的新方法,不仅提升了算法的性能,也为解决实际问题提供了新的解决方案。关键词包括多目标优化、多目标进化算法、云模型以及Pareto最优解,这些概念对于理解和应用该算法具有关键指导意义。
2009-12-01 上传
2010-04-17 上传
2021-03-06 上传
2021-03-03 上传
2012-11-01 上传
2022-04-07 上传
点击了解资源详情
点击了解资源详情
点击了解资源详情
weixin_38737283
- 粉丝: 3
- 资源: 904
最新资源
- Python Django 深度学习 小程序
- react-phone-store
- WWDC_SwiftUI_Videos
- Pokedex-PokeAPI
- 计算机软件-编程源码-2万字库的拼音首字母查询,纯pb代码.zip
- Shape-List-Application:这是我 Java 课程的最后一个项目
- pcurl:pcurl是解析curl命令的库,弥补go生态链的一块空白[从零实现]
- hugegraph-computer:大规模图形计算
- Aliexpress的夜间模式-crx插件
- Java框架
- mongoose-data-migrate:使用猫鼬的node.js数据迁移框架
- FireStorm-Bluetooth:CS294 的蓝牙应用程序。 用于发现 BLE 设备并从 firestorm 和其他 BLE 设备接收 RSSI 值
- odsceast2021:R中的现代机器学习代码
- PHPEMS在线模拟考试系统 v6.1
- 电子功用-无氮气保护的电子束固化的涂料油墨、制备及固化方法
- portfolio-final:投资组合的最终版本,包括表格