- 1、本文档共16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)。
查看更多
应用档案精英学习和反向学习的多目标进化算法-计算机学报.PDF
第卷第期 计 算 机 学 报
40 3
Vol.40No.3
年月
20173 CHINESEJOURNALOFCOMPUTERS Mar.2017
应用档案精英学习和反向学习的多目标进化算法
谢承旺王志杰夏学文
( )
华东交通大学软件学院南昌330013
摘要 , ,
现实中的多目标优化问题日益复杂对多目标优化算法提出了新的挑战受混合多目标优化算法的启发
.
该文提出了一种应用档案精英学习和反向学习的多目标进化算法(
MultiobectiveEvolutionarAlorithmBased
j yg
, )
onArchiveEliteLearninandOositionbasedLearninAOLMOEA以解决困难的多目标优化问题.AOL
g pp g
MOEA算法利用档案精英学习算子增强算法全局搜索能力,促进算法较快收敛;运用动态一般反向学习机制代替
变异算子以增加种群逃逸局部极值的机会;使用点最短路径方法维持解群的多样性 算法与另外
3 .AOLMOEA
, :
种代表性多目标优化算法在个基准多目标测试函数上进行性能比较实验结果表明 算法在收
5 12 AOLMOEA
、
敛性多样性和稳定性等方面均优于或部分优于其他的对比算法.
关键词 ; ; ;
档案精英学习动态一般反向学习点最短路径多目标进化算法
3
中图法分类号 号 /
TP301 犇犗犐10.11897SP.J.1016.2017.00757
犕狌犾狋犻犗犫犲犮狋犻狏犲犈狏狅犾狌狋犻狅狀犪狉犃犾狅狉犻狋犺犿犅犪狊犲犱狅狀
犼 狔犵
犃狉犮犺犻狏犲犈犾犻狋犲犔犲犪狉狀犻狀犪狀犱犗狅狊犻狋犻狅狀犅犪狊犲犱犔犲犪狉狀犻狀
犵 狆狆
文档评论(0)