陈聪20160729：基于边界点的多目标进化算法策略

chencong

标题：基于边界点的多目标进化算法策略

摘要：

     在2至3维目标优化情况下，遗传算法在收敛性和多样性方面已经做的很好了，但是在高维目标优化问题下，主要出现的两个问题使遗传算法效率低下，这两个问题是：（1）选择压力低下（2）维数灾难使求解的目标空间太大。
    本文的主要工作如下：
    第一阶段：利用分类向量将目标空间简化，在分类后的子种群分别进行遗传进化，最终求出每个子种群对应的边界点
    第二阶段：根据由边界点确定的区域，将解区分成收敛性和多样性解，进行环境选择时，尽量选择收敛性解，多删少补。最后更新边界点。

创新点：
（1）利用边界点形成的区域将收敛性解和多样性解区分开
（2）利用ASF寻找边界点

实验测试：
  对比目前最新的5个算法，无论是收敛性还是分布性，在DTLZ和WFG测试问题上普遍优于其他5种算法。

参考论文：
（1）Zhenan He and Gary G. Yen，Many-Objective Evolutionary Algorithm: Objective Space Reduction and Diversity Improvement，IEEE TRANSACTIONS ON EVOLUTIONARY COMPUTATION, VOL. 20, NO. 1, FEBRUARY 2016
http://ieeexplore.ieee.org/xpl/login.jsp？tp=&arnumber=7108005&url=http%3A%2F%2Fieeexplore.ieee.org%2Fxpls%2Fabs_all.jsp%3Farnumber%3D7108005

（2）Cem C. Tutum and Kalyanmoy Deb，A Multimodal Approach for Evolutionary Multi-objective Optimization (MEMO):Proof-of-Principle Results，Springer , pp. 3–18, 2015
https://www.semanticscholar.org/ ... 8221a0afdf4e1c3/pdf

报告PPT:
MaOEA Objective Space Reduction and Diversity Improvement.pdf (1.42 MB, 下载次数: 2)

2016-8-1 10:20 上传

点击文件名下载附件