摘要
传统的基于t-SNE的高维多目标优化算法在简化目标集时,虽然可以大大降低算法计算复杂度,但也可能损失目标集中有意义的部分属性,导致算法准确性降低.为此,对冗余目标和初始化种群双方面进行择优保留,提出了一种基于t-SNE加权和的高维多目标优化算法.利用加权和对t-SNE-NSGAⅡ算法处理的冗余目标集进行拟合,保留了部分种群的目标属性,提高了初始种群的质量,提升了算法的准确性,加快了算法收敛速度.实验表明,在目标超过5个时,基于t-SNE加权和的高维多目标优化算法的准确性和收敛性提升明显.当目标为10个时,空间分布度提升了38.7％.
基金项目
新能源及电网装备安全监测湖北省工程研究中心开放研究基金(HBSKF202124)
NETL
NSTL
维普
万方数据