多目标进化算法中基于聚集距离调整的分布性保持-计算机应用与软件.PDFVIP

第３０卷第１０期　　　 计算机应用与软件 Ｖｏｌ３０Ｎｏ．１０ ２０１３年１０月　　 ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅ Ｏｃｔ．２０１３ 多目标进化算法中基于聚集距离调整的分布性保持方法 蒲 骁  （湖南工业职业技术学院信息工程系　湖南长沙４１０２０８） 摘　要　　在经典的非支配排序遗传算法中，基于聚集距离的种群维护策略并不能很好地保持解集的分布性。提出一种改进的基 于聚集距离调整的分布性维护策略，根据邻近个体的聚集距离大小关系，保留分布较好的个体。与经典算法ＮＳＧＡ ，ＰＥＳＡ 和 Ⅱ Ⅱ 小生境方法进行比较，实验结果表明，提出的分布性维护策略能较大程度提高分布性，并保持较好的收敛性。 关键词　　多目标进化算法　聚集距离　分布性维护　Ｐａｒｅｔｏ最优解 中图分类号　ＴＰ３０１　　　　文献标识码　Ａ　　　　ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１３．１０．０８６ ＣＲＯＷＤＩＮＧＤＩＳＴＡＮＣＥＡＤＪＵＳＴＭＥＮＴＢＡＳＥＤＤＩＳＴＲＩＢＵＴＩＯＮＰＲＯＰＥＲＴＹ ＭＡＩＮＴＥＮＡＮＣＥＳＴＲＡＴＥＧＹＩＮＭＯＥＡＳ ＰｕＸｉａｏｍｉｎ （ＤｅｐａｒｔｍｅｎｔｏｆＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＨｕｎａｎＩｎｄｕｓｔｒｙＰｏｌｙｔｅｃｈｎｉｃ，Ｃｈａｎｇｓｈａ４１０２０８，Ｈｕｎａｎ，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ　　Ｉｎｃｌａｓｓｉｃａｌｎｏｎｄｏｍｉｎａｔｅｄｓｏｒｔｉｎｇｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍ，ｐｏｐｕｌａｔｉｏｎｍａｉｎｔｅｎａｎｃｅｓｔｒａｔｅｇｉｅｓｂａｓｅｄｏｎｃｒｏｗｄｉｎｇｄｉｓｔａｎｃｅｃａｎｎｏｔｗｅｌｌ ｍａｉｎｔａｉｎｔｈｅｄｉｓｔｒｉｂｕｔｉｏｎｐｒｏｐｅｒｔｙｏｆｉｔｓｓｏｌｕｔｉｏｎｓ．Ｗｅｐｒｏｐｏｓｅａｎｉｍｐｒｏｖｅｄｄｉｓｔｒｉｂｕｔｉｏｎｐｒｏｐｅｒｔｙｍａｉｎｔｅｎａｎｃｅｓｔｒａｔｅｇｙ．Ｉｔｉｓｂａｓｅｄｏｎｃｒｏｗｄｉｎｇ ｄｉｓｔａｎｃｅａｄｊｕｓｔｍｅｎｔａｎｄｒｅｓｅｒｖｅｓｔｈｅｗｅｌｌｄｉｓｔｒｉｂｕｔｅｄｉｎｄｉｖｉｄｕａｌｓｏｌｕｔｉｏｎｓａｃｃｏｒｄｉｎｇｔｏｔｈｅｓｉｚｅｒｅｌａｔｉｏｎｏｆｔｈｅｃｒｏｗｉｎｇｄｉｓｔａｎｃｅｏｆａｄｊａｃｅｎｔｉｎｄｉ ｖｉｄｕａｌｓ．ＣｏｍｐａｒｅｄｗｉｔｈｃｌａｓｓｉｃａｌＮＳＧＡ ，ＰＥＳＡ ａｎｄＮＩＣＨＥ，ｔｈｅｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｄｅｍｏｎｓｔｒａｔｅｔｈａｔｔｈｅｐｒｏｐｏｓｅｄｄｉｓｔｒｉｂｕｔｉｏｎｐｒｏｐｅｒ Ⅱ Ⅱ ｔｙｍａｉｎｔｅｎａｎｃｅｓｔｒａｔｅｇｙｃａｎｉｍｐｒｏｖｅｔｈｅｄｉｓｔｒｉｂｕｔｉｏｎｐｒｏｐｅｒｔｙｔｏａｇｒｅａｔｅｒｅｘｔｅｎｔａｎｄｋｅｅｐｂｅｔｔｅｒｃｏｎｖｅｒｇｅｎｃｅａｔｔｈｅｓａｍｅｔｉｍｅ． Ｋｅｙｗｏｒｄｓ　　Ｍｕｌｔｉｏｂｊｅｃｔｉｖｅｅｖｏｌｕｔｉｏｎａｒｙａｌｇｏｒｉｔｈｍ（ＭＯＥＡ）　Ｃｒｏｗｄｉｎｇｄｉｓｔａｎｃｅ　Ｄｉｓｔｒｉｂｕｔｉｏｎｐｒｏｐｅｒｔｙｍａｉｎｔｅｎａｎｃｅ　Ｐａｒｅｔｏｏｐｔｉｍａｌｓｏｌｕ ｔｉｏｎ ［５］ 较好的分布性。采用这种基于密度的方法有 ＳＰＥＡ２ 、ＮＳＧＡ ［７］ ［１２］ ０　引　言