您的位置:山东大学 -> 科技期刊社 -> 《山东大学学报(工学版)》

山东大学学报(工学版) ›› 2011, Vol. 41 ›› Issue (1): 167-172.

• 其它 • 上一篇    

基于核分布估计的动态多目标优化进化算法

刘淳安   

  1. 宝鸡文理学院数学系,  陕西 宝鸡 721013
  • 收稿日期:2010-03-15 出版日期:2011-02-16 发布日期:2010-03-15
  • 作者简介:刘淳安(1972- ), 男, 陕西淳化县人, 博士, 副教授, 主要研究方向为动态规划, 多目标规划. E-mail:liu2006@126.com
  • 基金资助:

    陕西省自然科学基础研究计划资助项目(2009JM1013); 陕西省教育厅科学研究计划资助项目(09JK329); 宝鸡文理学院重点科研计划资助项目(ZK0840)

A dynamic multi-objective optimization evolutionary algorithm based on estimation of core distribution

LIU Chun-an   

  1. Department of Mathematics, Baoji University of Arts and Science, Baoji 721013, China
  • Received:2010-03-15 Online:2011-02-16 Published:2010-03-15

摘要:

建立了一种近似估计下一环境进化种群和问题的Pareto最优解集的核分布估计方法, 当问题环境发生改变时, 算法利用以前不同环境搜索到的有用解信息对下一环境进化种群及Pareto最优解集进行近似估计, 极大地提高了算法的搜索效率。在对进化算子的合理设计基础上提出了一种核分布估计的动态多目标优化进化算法。通过对4个常用标准测试函数所作的数据仿真实验表明:提出的算法是十分有效的.

关键词: 动态多目标优化, 进化算法, 分布估计, Pareto最优解

Abstract:

An estimation of core distribution method to approximately estimate the evolution population and the Pareto optimization solution set for the problem in the next environment was given. When a change in the environment was detected, the algorithm used the collected information of solutions from the previous difficult environments to predict the evolution population and the Pareto optimization solution set in the next environment. Consequently, the searching effectiveness of the proposed algorithm can be greatly improved. By the reasonable designing of evolution operators, a new dynamic multiobjective optimization evolutionary algorithm based on estimation of core distribution was proposed. Simulations were made on four widely used benchmark problems, and the results indicated that the proposed algorithm was very effective.

Key words: dynamic multi-objective optimization, evolutionary algorithm, estimation of distribution, Pareto optimization solutions

[1] 张双圣,强静,刘喜坤,刘汉湖,朱雪强. 基于贝叶斯-微分进化算法的污染源识别反问题[J]. 山东大学学报(工学版), 2018, 48(1): 131-136.
[2] 裴小兵,陈慧芬,张百栈,陈孟辉. 改善式BVEDA求解多目标调度问题[J]. 山东大学学报(工学版), 2017, 47(4): 25-30.
[3] 杨隆浩, 傅仰耿, 巩晓婷. 置信规则库参数学习的并行差分进化算法[J]. 山东大学学报(工学版), 2015, 45(1): 30-36.
[4] 严宣辉,曾庆盛*,舒才良. 融合免疫机制的协同进化模型[J]. 山东大学学报(工学版), 2012, 42(1): 34-44.
[5] 王云,王俊,韩伟*. 基于进化算法的多智能体合作学习[J]. 山东大学学报(工学版), 2010, 40(6): 8-11.
[6] 刘建华1,2, 黄添强2, 严晓明2. 融合PSO算法思想的进化算法[J]. 山东大学学报(工学版), 2010, 40(5): 34-40.
[7] 王雪松 程玉虎 郝名林. 一种支持向量机参数选择的改进分布估计算法[J]. 山东大学学报(工学版), 2009, 39(3): 7-10.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
No Suggested Reading articles found!