混合分散搜索的进化多目标优化算法.pdfVIP

JournalofComputerApplications ISSN 1001．9081 2014—10一lO 计算机应用，2014，34(10)：2874—2879 CODENJYIIDU http：／／www．joca．an 文章编号：1001—9081(2014)10—2874—06 doi：10．11772／j．issn．1001-9081．2014．10．2874 混合分散搜索的进化多目标优化算法 吴坤安 。，严宣辉 ，陈振兴 。，白 猛 (1．福建师范大学 数学与计算机科学学院，福州350007； 2．福建省网络安全与密码技术重点实验室(福建师范大学)，福州350007) ( 通信作者电子邮箱 yan@fjnu．edu．an) 摘 要：在进化多 目标优化算法中，种群的多样性、对 目标空间的搜索能力及算法的鲁棒性直接影响算法的收敛 能力和解集的分散性。针对这些问题，提 出了一种混合分散搜索的进化 多 目标优化算法(SSMOEA)。SSMOEA在混 合分散搜索算法架构的同时，重新设计其多样性的选取策略，并引入协同进化机制。此外，为了提高算法的自适应性 和鲁棒性，采用了一种新颖的 自适应多交叉算子选择方法。SSMOEA与经典的多目标进化算法SPEA2、NSGA-Ⅱ和 MOEA／D在 12个基准测试函数上的对比结果表明，SSMOEA不仅在求得的Pareto最优解集的宽广性、均匀性和逼近 性上有明显优势，而且算法的鲁棒性也有明显的提高。 关键词：多样性策略；自适应；多交叉；分散搜索；多 目标优化 中图分类号：TP183 文献标志码 ：A Evolutionarymulti·objectiveoptimizationalgorithmofhybridscattersearch WU Kun’an一，YAN Xuanhui’ ，CHEN Zhenxing一，BAIMeng’ (1．SchoolofMathematicsandComputerScience，FujianNormalUniversity，FuzhouFujian350007，China； 2．FufianKeyLaboratoryofNetworkSecurityandCryptography(FufianNormalUniversity)，FuzhouFujian350007，China) Abstract：Thediversityofpopulation，thesearchingcapabilityand therobustnessarethree keypointstothemulti— objectiveoptimizationproblem，whichdirectlyaffecttheconvergenceofalgorithm andthespreadofsolutionsset．Tobetter dealwithaboveproblems，aScatterSearchhybridMulti·ObjectiveEvolutionaryoptimizationAlgorithm (SSMOEA)was proposed．TheSSMOEAfollowedthescattersearchstructurebutdesignedanew selectionstrategyofdiversityandintegrated themethodofCO—evolutionintheprocessofsubsetgeneration．Additionally，anoveladaptivemulti—crossoveroperationwas employedto improve the self-adaptabilityand robustnessofthe algorithm．The experimentalresultson twelvestandard b