作者:段黎明; 涂玉林; 李中明; 罗雪清; 任华桥 期刊:《计算机集成制造系统》 2020年第02期
针对机械产品多目标多质量要求下的选择装配问题,提出一种基于密度的多目标进化算法(DMOEA)的选择装配方法。考虑零件尺寸链与尺寸的关联关系,以选配成功率和装配精度为优化目标构建多目标多质量要求下的选配模型。使用自然数编码,以一个零件尺寸值序号的随机序列作为配对编码的基因,并采用个体聚集密度定义适应度函数,利用DMOEA对多目标选配问题进行求解,实现了多目标多质量要求下的选配优化。开发出基于DMOEA的零件选配系统,应用...
作者:吉训生; 蔡益青 期刊:《计算机工程与应用》 2020年第02期
在绿色车间实际生产中,生产者要求在尽量短的时间内获得符合要求的多目标柔性作业车间的调度方案。提出一种使用个体历史信息和限制算子求解柔性作业车间优化调度问题的方法。该方法将多个优化目标分解为一组标量子问题,利用多目标进化算法优化子进行目标优化;在进化过程中,子代生成阶段使用历史信息,提高个体的改变量,加快收敛;在选择阶段,利用带有限制信息的稳定匹配选择策略选择多样性好的染色体种群作为下一次进化的父代种群,...
作者:刘鑫平; 顾春华; 罗飞; 丁炜超 期刊:《计算机科学》 2019年第10期
在精英选择中NSGA-II的拥挤系数算子对局部拥挤区域的分布性优化效果不佳,并且会使某些更接近Pareto最优解集的个体被淘汰。针对拥挤系数算子存在优秀个体不被保留的缺陷,提出了一种基于败者组与混合编码策略的改进算法(LGHC-NSGA-II)。参照棋类比赛中的双败淘汰制,构建了败者组外部归档集,在迭代结束后将归档集与末代父代种群合并,并采用循环拥挤系数排序策略优化分布性。同时,针对传统编码方式在全局或局部空间上搜索能力较差的...
作者:刘丛; 陈倩倩; 陈应霞 期刊:《小型微型计算机系统》 2019年第10期
现有的聚类有效性指标大都是基于欧氏距离而设计.虽然对超球型数据效果较好,但对非超球型数据效果并不理想.基于此,提出一种基于多目标进化算法的多距离聚类有效性指标(MoMDVI).首先使用两种距离设计两个聚类目标,并使用类代表点代替类中心点;其次使用一组实数设计染色体,该组实数可解码成代表点序号的形式;然后使用基于正则化的分布估计算法(RMMEDA)对两个目标进行优化.在进化算子中,加入差分进化算子对RMMEDA算法进行改进,以提高...
车辆路径问题是近年来研究的热点问题,不同学者从不同角度对此进行探讨分析。研究表明,常规方法很难有效解答车辆路径问题,也不利于指导实际工作。为弥补这些不足,尝试采用智能算法进行研究和分析。介绍了车辆路径问题的概念、组成及优化目标,分析多目标进化算法的常用算法,描述了车辆路径问题并建立相应的研究分析模型,期望能为车辆路径问题的研究提供启示。
作者:王春; 田娜; 纪志成; 王艳 期刊:《电子学报》 2017年第12期
针对实际制造车间中工序加工时间具有不确定性,将加工时间采用模糊数表示,建立一种多目标模糊柔性作业车间调度模型,并提出了有效求解该模型的多目标进化算法.算法采用混合机器分配和工序排序策略的方法产生初始种群,并采用插入空隙法对染色体进行解码.定义一种新的基于可能度的个体支配关系和一种基于决策空间的拥挤算子,并将所提支配关系和拥挤算子运用于快速非支配排序.接着,提出一种基于移动模糊关键工序的局部搜索策略.实验部...
作者:张帆; 李军; 王钧; 景宁 期刊:《系统工程》 2005年第09期
提出一种无圈有向图条件下的多目标最短路径进化算法.使用变长染色体对路径编码.进行染色体适应值分配时同时考虑支配关系及密度信息,保持了种群的多样性.有界精英保留策略保证了算法的优化性能.对算法的收敛性进行了证明.理论分析和实验表明,该算法可以在较短时间内获得多条多目标优化路径.
作者:陈继明; 张加胜 期刊:《电气自动化》 2004年第01期
本文首先介绍了多目标优化问题的进化算法.控制器的设计大多是多目标优化问题,而用多目标进化算法来进行设计可以得到一组优化的Pareto解集,非常适用于控制系统的设计.通过分析控制器性能的要求,介绍了进化算法的设计步骤.实例说明了多目标进化算法控制器设计的优越性.
作者:邝达; 郑金华 期刊:《高技术通讯》 2005年第04期
多目标进化算法是用来解决多目标优化问题的,为了提高多目标算法的效率,提出了一种快速构造非支配集的方法--擂台法则.它的时间耗费要低于Deb和Jensen提出的构造非支配集的方法.在实验中将擂台法则同Deb和Jensen的方法进行了比较,最后实验结果证明前者在运行时间上要优于后两者.
作者:李潇涵; 刘博; 张友 期刊:《计算机应用研究》 2017年第12期
在筛选个体的过程中,多目标进化算法大多利用非支配信息和密度信息评价个体.但当个体互为非支配关系时,上述信息就难以区分个体的优劣从而影响算法性能.为了改善上述情况,提出了-种基于距离收敛量和历史信息密度的多目标进化算法.距离收敛量可以在非支配信息不能区分个体时评价个体的收敛性;历史信息密度可以更精确地提供个体多样性信息.在与四个先进的多目标进化算法的对比实验中,新算法的求解质量明显优于对比算法.
作者:马清亮; 胡昌华 期刊:《控制与决策》 2004年第06期
提出一种用于混合H2/H∞优化控制的多目标进化算法.为加快算法的收敛进程,将LMI方法的优化结果作为初始代种群,并采用群体排序、小生境和最优保留等关键技术.仿真结果表明,与LMI方法相比,多目标进化算法的优化结果具有更小的保守性.
作者:张勇德; 黄莎白 期刊:《控制与决策》 2004年第04期
针对DPGA算法存在的收敛性能不强以及种群的多样性保持差等缺点,提出一种改进的EDPGA算法.采用精英策略、联赛选择以及交配限制等方法,提高了DPGA算法的收敛性能和外部种群的多样性.实验结果表明,EDPGA无论在收敛性还是在种群的多样性方面都有了明显的改进.
作者:谢承旺; 肖驰; 丁立新; 夏学文; 朱建勇; 张飞龙 期刊:《软件学报》 2018年第04期
现实中不断涌现出数目众多且日益复杂的多目标优化问题,迫切需要发展新型多目标优化算法以应对挑战.将基本萤火虫算法拓展至多目标优化领域,提出一种混合型多目标萤火虫算法HMOFA(hybrid multi-objective firefly algorithm).该算法提出使用混合水平正交实验设计和连续决策空间量化的方法生成接近于用户指定规模且均匀分布于搜索空间的初始种群,为后续的进化提供良好的起始点;利用外部档案中的精英解个体引导萤火虫移动,促...
作者:顾春华; 刘鑫平; 罗飞; 丁炜超 期刊:《计算机工程与应用》 2018年第20期
NSGA-II在执行拥挤系数计算时不考虑父子代种群各自独立的个体分布情况,使某些在全局空间中分布优秀的个体被淘汰。针对NSGA-II收敛结果的较差分布性,提出了改进算法(UEA-NSGA-II),在迭代过程中随机填充一定量子代种群的非支配个体到外部归档集内,使用拥挤系数算子用于归档集的剪枝操作。同时,针对二进制编码存在陷入局部最优的问题,采用格雷码和动态变异算子增强算法在解空间上搜索速度与宽度。在ZDT系列问题上执行测试,...
作者:张勇德; 黄莎白 期刊:《海洋工程》 2004年第03期
根据浮筒配置方案的设计要求和合理性检验准则,给出了方案的优化模型.针对问题的复杂性,结合约束支配的概念,提出了一种改进的将浮筒纵向位置配置和浮筒充气量综合考虑、一体优化多目标进化算法.通过算例分析可知,将多目标进化算法以及约束支配的概念应用到浮筒配置优化方案是可行的、有效的.
作者:张勇德; 黄莎白 期刊:《计算机工程》 2004年第16期
针对传统优化方法在处理带约束的多目标优化问题上的不足进行了分析,将多目标进化算法以及约束支配的概念结合起来,重新定义了种群个体间的支配关系,避免了罚函数法因惩罚系数不合适而出现优化结果为非可行解的情况.并且结合惩罚值改进了选择算子和适应值分配机制,避免出现早熟收敛.同时,采用精英策略,让精英个体参与遗传操作,加快算法收敛速度.通过算例分析可知,将多目标进化算法以及约束支配的概念应用到浮筒配置优化方案是可行...
作者:杨宇; 黄敏; 王震宇; 朱启兵 期刊:《中国机械工程》 2018年第14期
实际生产中,以最小完工时间和最低成本为目标的调度是柔性作业车间最常见的问题。提出了一种有限制稳定配对策略的双目标柔性作业车间调度问题的求解方法。该方法将双目标优化问题分解为一系列的标量优化子问题,并利用多目标进化算法对子问题进行优化求解;同时,将有限制稳定配对策略用于进化过程中各子问题解的协调选择,以保证解的收敛性和分布性。仿真数据和应用实例表明:该方法可以获得收敛和分布性能更优的调度方案。
作者:王俊; 赵凤 期刊:《计算机工程与应用》 2017年第22期
为了解决传统聚类由于缺少有效指导而导致图像分割结果不理想的问题,将半监督方法引入到多目标进化模糊聚类算法中,提出了一种基于半监督的多目标进化模糊聚类。图像分割算法通过构造基于半监督的类内紧致性函数和类间分离度函数,利用监督信息指导聚类过程获得非支配解集。为了从非支配解集中选择一个最优解,利用监督信息构造了基于相似性度量的有效性指标。实验结果表明,提出的方法在分割准确率和视觉效果上明显优于无监督的聚类...
作者:薛娟; 郑金华; 李旭勇 期刊:《计算机工程与应用》 2005年第36期
在多目标进化算法的研究中,解群体的多样性和运行效率是最重要的两个指标。在进化算法中一般采用构造非支配集的方法来保持算法的运行效率和解集的分布性;采用聚类技术来计算和维持解群体的分布性和多样性。文章提出了用庄家法构造非支配集和基于个体距离的聚类方法的多目标进化算法。经试验证明,该算法能够趋近到Pareto最优解,并且能保证较好的分布度。
作者:吴作顺; 王石 期刊:《计算机科学》 2005年第04期
SPEA是一种多目标优化算法.与其它多目标进化算法相比,SPEA算法具有设置参数少、解在空间分布均匀等优点.本文引入多点交叉和Cauchy变异对SPEA算法的收敛速度进行了改进,并对其收敛性进行了分析,文中给出的仿真算例证实了改进方法的有效性.