一种基于ε-支配的多目标自组织迁移算法-控制与决策.PDF

第29 卷 第12 期 控 制 与 决 策 2014 年 12 月 Vol. 29 No. 12 Control and Decision Dec. 2014 文章编号: 1001-0920 (2014) 12-2177-06 DOI: 10.13195/j.kzyjc.2013.1437 一种基于- 支配的多目标自组织迁移算法 1 2 林志毅 , 王玲玲 ( 1. 广东工业大学计算机学院，广州 510006 ；2. 武汉大学软件工程国家重点实验室，武汉 430072) 摘 要: 提出一种基于- 支配关系的多目标自组织迁移算法. 首先对基于混合迁移行为的自组织迁移算法进行改进, 将全面学习的思想引入个体的迁移过程中, 使得个体的每个分量都可以向其他个体学习, 从而进行充分的信息交换; 通过引入学习因子扩展个体的迁移方向, 使得步长可灵活变化, 进而利用改进算法快速搜索多目标函数的Pareto 最 优解, 并采用- 支配关系以保持种群分布性; 最后通过实验分析表明了所提出方法的有效性. 关键词: 多目标优化；- 支配；自组织迁移算法；- 支配关系的多目标自组织迁移算法 中图分类号: TP273 文献标志码: A A new -dominance based multi-objective self-organizing migrating algorithm 1 2 LIN Zhi-yi , WANG Ling-ling (1. Faculty of Computer，Guangdong University of Technology，Guangzhou 510006，China ；2. State Key Lab of Software Engineering，Wuhan University ，Wuhan 430072 ，China ．Correspondent ：LIN Zhi-yi ，E-mail ：lzy291@ gdut.edu.cn) Abstract: A -dominance based multi-objective self-organizing migrating algorithm(EMSOMA) is proposed. Firstly, a hybrid migrating behavior based self-organizing migrating algorithm(HBSOMA) is improved to quickly search the Pareto optimal solutions of the multi-objective optimization problems. The improved HBSOMA introduces the idea of comprehensive learning into the migration process, in which each component of individual can learn from different individuals for exchanging information adequately. Moreover, a learning factor is employed in the migration process to extend the migrating direct