- 1、本文档共8页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于高斯变异改进的多目标差异演化算法#
卢青波1,2,张学良1,温淑花1,兰国生1,刘丽琴1**
(1. 太原科技大学机电工程学院,太原 030024;
5
10
15
20
25
2. 郑州职业技术学院,郑州 470212)
摘要:为克服差异演化算法在求解多目标优化问题时易“早熟”的缺陷,提出一种基于高斯
变异改进的多目标差异演化算法(Multi-Objective Differential Evolution based on
Gauss Mutation, GMODE)。该算法首先分析了引起种群多样性下降及个体进化停滞的原因,
然后通过引入高斯变异操作,为了加快算法的收敛速度,提出了一种改进的最优个体选择策
略。通过与其它算法的比较,发现本文算法能有效避免“早熟”收敛,具有较好的收敛速度
和多样性。
关键词:多目标优化;差异演化算法;高斯变异
中图分类号:TP391.9
Multi-Objective Differential Evolution based on Gauss
Mutation
LU Qingbo1,2, ZHANG Xueliang1, WEN Shuhua1, LAN Guosheng1, LIU Liqin1
(1. College of Mechanical Electronic Engineering, Taiyuan University of Science and Technology,
TaiYuan 030024;
2. ZhengZhou Technical College, ZhengZhou 450121)
Abstract: In order to overcome the premature convergence of the differential evolution algorithm
at solving multi-objective problem, multi-objective differential evolution algorithm based on gauss
mutation (GMDE) is proposed. The paper provided a detail analysis of population diversity
descent and individual stagnant evolution and then incorporated the gauss mutation into
differential evolution. To make the algorithm converge faster, a modified elitist selection
mechanism is proposed. The proposed algorithm had compared with several other evolutionary
algorithms, the results showed that the proposed algorithm could overcome the premature
convergence efficiently and had better convergence and diversity metrics.
Keywords: Multi-Objective Optimization; Differential Evolution Algorithm; Gauss Mutation
30
0 引言
最优化问题是进化计算领域的一个研究热点。随着机械优化设计从传统的面向零部件、
单一工作过程、单一学科的局部优化发展到面向整体的多学科的复杂机械系统优化,对优化
方法的研究也提出了更高的要求[1]。差异演化算法(Differential Evolution,DE)[2]是一种随机
35
40
的并行直接全局搜索算法,简单易用,具有稳健性和全局寻优能力,已在多个领域得到广泛
的应用[3]。
目前,一些学者也把 DE 算法应用到多目标优化问题的求解中,提出了一些多目标差异
演化算法。牛大鹏等[4]提出了多目标混沌差分进化算法(CDEMO),该算法利用混沌序列
初始化种群,并用混沌备用种群进行替换操作。Robic 等[5]人提出了多目标差分进化算法
(DEMO),该算法将 NSGA-II[6]中的非劣解排序和拥挤距离引入到 DE 算法中,并且采用
一个子群体来保存当子代个体和父代个体非劣时的子个体,并且子群体非空时把子群体与演
基金项目:高等学校博士学科点专项科研基金(20091415110002);山西省自然科学基金项目(2008011027-1);
山西省研
文档评论(0)