搜索结果: 1-15 共查到“计算机科学技术 进化算法”相关记录115条 . 查询时间(0.216 秒)
动态多目标优化问题(Dynamic multi-objective optimization problems,DMOPs)的目标函数发生变化时,需要采取变化响应策略对种群进行重新初始化,以快速追踪新环境中的最优解集.现有动态多目标优化算法对不同个体、不同维度的决策变量缺乏针对性的变化响应,导致重新初始化效果尚存在较大改进空间.为此,提出一种对不同个体、不同维度的决策变量分别进行自适应变化响应的动...
基于R2指标和参考向量的高维多目标进化算法
R2指标 参考向量 高维多目标优化 进化算法
2021/11/18
在高维多目标优化中,不同的优化问题存在不同形状的Pareto前沿(PF),而研究表明大多数多目标进化算法(Multi-objective evolutionary algorithms,MOEAs)在处理不同的优化问题时普适性较差.为了解决这个问题,本文提出了一个基于R2指标和参考向量的高维多目标进化算法(An R2 indicator and reference vector based man...
多无人机协同目标分配最优问题(Multi-UAV cooperative target allocation optimal problem,MUCTAOP),旨在求解组合分配问题的最小代价值,是最具有挑战性的多约束组合优化问题之一.结合进化算法解决MUCTAOP需要考虑两个关键因素:1)在进化过程中保持覆盖问题空间的“探索性”和“开发性”平衡;2)建立符合实际战场复杂环境的多约束条件.为解决这两...
基于维度缺失检测与恢复的协同进化算法
大规模全局优化问题 维度缺失 协同进化算法 多样性
2018/11/12
大规模全局优化（LSGO）问题的搜索空间会随维数增加成指数倍增长,使用进化算法时极易出现维度缺失、进化停滞现象,检测维度缺失并跳出停滞状态是解决LSGO问题的关键所在。针对LSGO问题维度缺失检测复杂度高的问题,结合协同进化算法,将高维问题分解成多个低维子问题;在进化过程中,利用主成分分析对所有子问题进行维度缺失检测,在缺失维度方向上进行拓展以达到维度恢复效果,能有效跳出停滞状态;进而提出一种基于...
异构无线网络接入控制问题包含多个优化目标，现有算法考虑不全面且多是将其转换为单目标求解，限制了各目标的相对关系，无法适应不同的实际需求。该文提出一种直接采用多目标进化算法的接入控制算法。首先将优化目标扩展为3个，分别是最小化阻塞率、最小化占用总资源和负载均衡；其次引入基于分解的多目标进化算法(MOEA/D)并设计进化策略，进行初步寻优；最后通过非支配排序得到Pareto最优解集，即最佳接入方案。仿...
类进化算法驱动的动态电力经济调度优化
进化算法 类搜索机制 动态电力经济调度
2015/6/23
动态电力经济调度（Dynamic Economic Dispatch，DED）属于一种在时间和空间上相互耦合的多阶段动态决策问题，一般被转化为一个高维的约束数值优化问题来求解.本文提出了一种新型全局优化算法——类进化算法（Cluster Evolutionary Algorithm，CEA），并将其应用于DED问题的计算.CEA通过聚类过程在进化个体间构建一定结构的连接关系，并利用这种虚拟的簇类化...
一种基于反向学习的约束差分进化算法
反向学习 差分进化 约束优化 收敛性
2015/4/10
差分进化算法是一种结构简单、易用且鲁棒性强的全局搜索启发式优化算法,它可以结合约束处理技术来解决约束优化问题.机器学习在进化算法中,经常可以引导种群的进化,而且被广泛地应用于无约束的差分进化算法中,但对于约束差分进化算法却很少有应用.针对这一情况,提出了一种基于反向学习的约束差分进化算法框架.该算法框架采用基于反向学习的机器学习方法,提高约束差分进化算法的多样性和加速全局收敛速度.最后把该算法框架...
多目标密度驱动进化算法(MODdEA)利用非支配等级信息和分区密度信息求解多目标优化问题,该算法在与其他多目标进化算法的比较中有着出色的表现.在其基础上本文提出了一种改进的多目标进化算法MODdEA+,首先在该算法中基于搜索空间的分区机制提出了克隆操作,该操作不但能在进化前期增强算法的全局搜索能力,还能在进化后期提高算法的局部精化能力;其次引入一种基于Pareto信息表中个体支配及被支配信息的评价...
针对带容量约束的车辆路径优化问题,提出一种有效混合量子进化算法。设计了基于二维量子位观测模型和可见度的解生成方式,实现了由该模型引导的全局搜索,将其用于发现解空间中的优质解区域|构造了一种基于客户间距离相近度的交换操作来提高解的质量;提出基于问题性质的交换和逆转操作来构造两阶段混合变邻域局部搜索,可对优质解区域进行快速细致的搜索,使算法的全局和局部搜索能力得到平衡。通过不同规模经典测试问题上的仿真...
从动态适值空间补偿信息:一种抗病态合作协同进化算法
合作协同进化算法 动态多种群策略 信息补偿
2013/11/13
针对合作协同进化算法(CCEA) 动态适值空间的特点, 研究信息补偿方法以消除由问题分解所导致的病态现象, 并提出基于动态多种群进化策略的抗病态CCEA. 每个协进化种群可动态分离出多个变化的子种群, 利用它们同时获取多个全局或局部最优解作为交互信息, 以实现信息补偿. 针对引发病态行为的标准测试函数, 与3 种典型CCEA 进行比较分析, 实验结果表明所提出算法能有效克服病态现象, 具有良好的全...
基于精英区域学习的动态差分进化算法
差分进化 精英池 精英区域学习 动态差分进化
2013/11/7
DE算法简单高效，但对复杂问题也存在收敛效率较低的问题，为提高DE算法的全局勘探能力和收敛精度，提出了一种新的精英区域学习动态差分进化算法，算法首先将历史精英保存在精英池中，然后采用正弦函数对精英池中的精英进行区域学习，最后利用动态DE模式有效提高收敛的速度，并从理论上证明了算法的收敛性.通过对包括单峰函数、多峰函数和偏移函数的20个基准测试函数的仿真实验和分析，验证了新算法的有效性和适用性，其能...
基于模糊支配的高维多目标进化算法MFEA
高维多目标优化 模糊隶属度 模糊支配 Harmonic平均距离 α-截集
2013/9/23
为提高高维复杂多目标优化算法的收敛性和解集分布性，提出一种基于模糊支配的高维多目标进化算法MFEA.在第二代Pareto支配类高维多目标进化算法模型基础上，利用模糊理论对模型中的环境选择进行改进，提出基于模糊隶属度的支配关系，并结合Harmonic、k邻域法和小生境技术对其中的拥挤密度估计方法进行改进，最后根据高维多目标的特点并结合模糊理论α-截集的思想提出了新的环境选择策略.将该算法与目前性能最...
针对高维优化问题难以解决并且优化耗费时间长的问题,提出了一种解决高维优化问题的差分进化算法。将协同进化思想引入到差分进化领域,采用一种由状态观测器和随机分组策略组成的协同进化方案。其中,状态观测器根据搜索状态反馈信息适时地调用随机分组策略重新分组;随机分组策略将高维优化问题分解为若干较低维的子问题,而后分别进化。该方案有效地增强了算法解决高维优化问题的搜索速度和搜索能力。经典型的实例测试,并与其他...
高维多目标多方向协同进化算法
高维多目标优化 多方向协同进化 混合变异策略 模糊支配
2013/8/27
提出一种高维多目标多方向协同进化算法(HMMCA).该算法利用目标空间内的一组方向向量将多目标优化问题分解成多个方向进行寻优,并提出一种混合变异策略以加强算法在每个方向上的收敛能力;同时,该算法采用改进的交互式模糊支配和拥挤度估计因子来维护外部归档集的规模,增强种群的收敛性和分布性.将该算法与目前性能最好的3种多目标进化算法在标准测试函数集上进行对比实验,所得结果表明HMMCA与其他算法相比具有更...