计算机技术与发展2020，Vol.30Issue(12) ：61-65.DOI:10.3969/j.issn.1673-629X.2020.12.011

基于近似边界和层次聚类的超多目标进化算法

Many-objective Evolutionary Algorithm Based on Approximate Boundary and Hierarchical Clustering

张峰 顾一凡
计算机技术与发展2020，Vol.30Issue(12) ：61-65.DOI:10.3969/j.issn.1673-629X.2020.12.011
✕
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据

基于近似边界和层次聚类的超多目标进化算法

Many-objective Evolutionary Algorithm Based on Approximate Boundary and Hierarchical Clustering

张峰 1顾一凡1
扫码查看

作者信息

  • 1. 南京航空航天大学 计算机科学与技术学院,江苏 南京 211100
  • 折叠

摘要

很多工程优化问题需要同时优化超过3个冲突的目标,这类问题就属于超多目标优化问题.由于超多目标优化问题的目标空间过于庞大,并且很多算法往往只能使用数量较少的种群来近似问题的结果,这使得很多算法难以保持较好的多样性和收敛性,此外,许多算法往往忽略使用极值点的有效信息来加速算法收敛.为了解决上述问题,提出了一种基于近似边界和层次聚类的超多目标进化算法.在一种求角点解方法的基础上,使用角点解近似边界(极值点)来加速算法收敛,并进一步提出使用层次聚类来挑选下一代种群,借此使得算法能够保持较好的收敛性和多样性.最后通过与多个流行的求解超多目标优化问题算法进行对比实验,证明了该算法的有效性.

关键词

超多目标优化问题/极值点/超多目标进化算法/角点解/层次聚类

引用本文复制引用

基金项目

国家自然科学基金(61300159)

江苏省自然科学基金(BK20181288)

出版年

2020
计算机技术与发展
陕西省计算机学会

计算机技术与发展

CSTPCD
影响因子：0.621
ISSN：1673-629X
参考文献量1
段落导航相关论文