混合个体选择机制的多目标进化算法

作     者：陈晓纪 石川 周爱民 吴斌 CHEN Xiao-Ji;SHI Chuan;ZHOU Ai-Min;WU Bin

作者机构：北京邮电大学计算机学院北京100876 邢台职业技术学院信息工程系河北邢台054000 华东师范大学计算机科学与软件工程学院上海200062 

基　　金：国家重点基础研究发展计划(973)(2017YFB0803304) 国家自然科学基金(61772082,61375058)~~ 

出 版 物：《软件学报》 (Journal of Software)

年 卷 期：2019年第30卷第12期

页      码：3651-3664页

摘      要：在多目标进化算法中,如何从后代候选集中选择最优解,显著地影响优化过程.当前,最优解的选择方式主要是基于实际目标值或者代理模型估计目标值.然而,这些选择方式往往是非常耗时或者存在精度差等问题,特别是对于一些实际的复杂优化问题.最近,一些研究人员开始利用有监督分类辅助后代选择,但是这些工作难以准备准确的正例和负例样本,或者存在耗时的参数调整等问题.为了解决这些问题,提出了一种新颖的融合分类与代理的混合个体选择机制,用于从后代候选集中选择最优解.在每一代优化中,首先利用分类器选择优良解;然后设计了一个轻量级的代理模型用于估计优良解的目标值;最后利用这些目标值对优良解进行排序,并选择最优解作为后代解.基于典型的多目标进化算法MOEA/D,利用混合个体选择机制设计了新的算法框架MOEA/D-CS.与当前流行的基于分解多目标进化算法比较,实验结果表明,所提出的算法取得了最好的性能.

主 题 词：多目标优化 进化算法 后代选择 相似性 MOEA/D 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 081104[081104] 08[工学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

核心收录：

D　O　I：10.13328/j.cnki.jos.005602

馆 藏 号：203870057...