变邻域分解多目标自适应差分进化算法
刘志君1
高亚奎2
章卫国1
王晓光1
袁燎原1
1.西北工业大学自动化学院,陕西西安,7101292.中国航空工业第一飞机研究院,陕西西安,710000
摘要：分解方法是处理复杂问题常用的一种手段,而差分进化算法被广泛地应用于多目标优化问题(multiobjective optimization problems,MOP),为了克服经典差分进化算法和分解方法的缺陷,本文提出了一种自适应差分进化算法和变邻域分解方法相结合的新颖算法——ADEMO/D-ENS,该算法采用Tchebycheff方法将多目标优化问题分解成多维标量优化子问题,并利用邻域子问题的信息进行优化,基于邻域种群集依概率自适应选择邻域种群规模;同时采用概率匹配(probability match,PM)自适应方法从差分策略池中选择差分进化策略;同时分析了算法的复杂度;最后,通过和经典的非支配排序遗传算法(non-dominated sorting genetic algorithms Ⅱ,NSGA-Ⅱ)和多目标差分进化算法(multi-objective differential evolution algorithm,MODE)仿真对比,说明ADEMO/D-ENS方法可以更有效的处理多目标优化问题.
关键词：分解邻域种群集概率匹配方法差分进化多目标优化复杂度分析
分类号：TP301.6(计算技术、计算机技术)
资助基金：航空科学基金(20125853035)国家重点基础研究发展计划（973计划）(20126131890302)
论文发表日期：2014-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：10( 1492-1501 )
英文信息