一种求解约束多目标问题的协作进化算法
作者:
作者单位:

1.西安建筑科技大学管理学院;2.西安建筑科技大学资源工程学院

作者简介:

通讯作者:

中图分类号:

TP273

基金项目:

国家自然科学基金项目(面上项目,重点项目,重大项目),中国博士后科学基金


A Collaborative Evolutionary Algorithm for Solving Constrained MultiobjectiveProblems
Author:
Affiliation:

1.School of Management, Xi’an University of Architecture and Technology;2.School of Resources Engineering, Xi’an University of Architecture and Technology

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    针对约束多目标进化算法求解约束多目标问题时难以平衡收敛性、多样性和可行性的问题,提出了一种协作进化算法(ConMOEA).将自适应形状估计进化算法(AGE-MOEA)和非支配排序遗传算法(NSGA-II)优势融合,采用Deb约束支配原则非支配排序组合种群实现个体优选,在临界层中根据最大拥挤距离或生存值选择所需个体,最终形成新种群,实现种群快速接近Pareto前沿并具有良好分布性.为验证所提算法的性能,对近期提出的一 组DOC基准函数进行仿真计算,采用反世代距离(IGD)和超体积(HV)两个通用评价指标,与NSGA-II-CDP、 C-MOEA/D、 C-TAEA、 PPS、 ToP、 A-NSGA-III、 AGE-MOEA约束多目标算法进行比较分析.实验结果证明,ConMOEA具有更优的收敛性和多样性.

    Abstract:

    The balance of convergence, diversity and feasibility is a dif?culty for the constrained multi-objective evolutionary algorithms. Thus, a collaborative constrained multi-objective algorithm (ConMOEA) is proposed, which integrates the advantages of adaptive geometry estimation based MOEA (AGE-MOEA) and non-dominated sorting genetic algorithm (NSGA II). First, the Deb constraint dominance is applied to sort the combined population. Then the individuals in critical layer are selected according to the maximum crowding distance or individual survival score. And a new population is formed ?nally that can fast approach the Pareto front and has good distribution. The effectiveness of our proposed algorithm is validated by comparing with NSGA-II-CDP, C-MOEA/D, C-TAEA, PPS, ToP, A-NSGA-III, AGE-MOEA on the DOC test suit. And the performance of algorithms is evaluated by the inverted generational distance (IGD) and hypervolume (HV). The simulation results show that ConMOEA has better convergence and diversity.

    参考文献
    相似文献
    引证文献
引用本文
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2020-06-16
  • 最后修改日期:2021-07-14
  • 录用日期:2020-09-25
  • 在线发布日期: 2020-11-01
  • 出版日期: