为解决传统进化优化算法在定义域随机产生初始种群低效率问题,基于第二代非支配排序遗传算法融入迁移学习思想,设计基于迁移学习的NSGAⅡ算法.在历史信息储存库中找出与新任务相似的历史问题,历史问题Pareto的最优解集为源域,目标函数随机产生种群得到目标域,通过迁移成分分析方法将源域和目标域映射到高维再生核希尔伯特空间,得到新的源域和目标域,计算两者之间欧几里得距离并排序,得到新的种群;最后利用NSGAⅡ常规步骤对含有历史信息的种群进行搜索.针对10个改进的多目标测试函数进行试验,结果表明该算法可以提高种群搜索效率和算法收敛性能,优化解集的均匀性和多样性.
国家科技期刊平台
NSTL
维普
万方数据
