一种基于个体密度估算的多目标优化演化算法

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (15): 36-38.

一种基于个体密度估算的多目标优化演化算法

敖友云¹,迟洪钦²

1.安庆师范学院计算机与信息学院，安徽安庆 246001
2.上海师范大学数理信息学院，上海 200234

收稿日期:2007-09-04 修回日期:2007-11-19 出版日期:2008-05-21 发布日期:2008-05-21
通讯作者: 敖友云

Multi-objective optimization evolutionary algorithm based on individual density estimation

AO You-yun¹,CHI Hong-qin²

1.School of Computer and Information，Anqing Teachers College，Anqing，Anhui 246001，China
2.Mathematics and Science College，Shanghai Normal University，Shanghai 200234，China

Received:2007-09-04 Revised:2007-11-19 Online:2008-05-21 Published:2008-05-21
Contact: AO You-yun

摘要/Abstract

摘要： 通过在目标空间中利用目标本身信息估算个体k最近邻距离之和，作为个体的密度信息，根据个体的密度信息对群体中过剩的非劣解进行逐个去除，以便更好地维护解的多样性，由此给出了一种基于个体密度估算的多目标优化演化算法IDEMOEA。用这个算法对几个典型的多目标优化函数进行测试。测试结果表明，算法IDEMOEA求解多目标优化问题是行之有效的。

关键词: 演化算法, 多目标优化, 多样性维护, Pareto最优

Abstract: A multi-objective optimization evolutionary algorithm based on Individual Density Estimation（IDEMOEA） is presented，which use the k nearest neighbors for individual density estimation by the information of objectives themselves in such a way that distances to the k nearest neighbors are summed together，namely individual density information，while prune the over-plus of non-dominated solutions in the population one by one according to individual density information with the purpose of preserving the diversity of solutions.A few of benchmark multi-objective optimization functions are tested.Experimental results demonstrate that the algorithm developed is efficient for solving multi-objective optimization problems.

Key words: evolutionary algorithm, multi-objective optimization, diversity maintenance, Pareto optimal

敖友云¹,迟洪钦². 一种基于个体密度估算的多目标优化演化算法[J]. 计算机工程与应用, 2008, 44(15): 36-38.

AO You-yun¹,CHI Hong-qin². Multi-objective optimization evolutionary algorithm based on individual density estimation[J]. Computer Engineering and Applications, 2008, 44(15): 36-38.

[1]	杨玮，吴莹莹，王婷. 子母式穿梭车仓储系统配置优化问题研究[J]. 计算机工程与应用, 2021, 57(4): 258-265.
[2]	陈万芬，王宇嘉，林炜星. 异构集成代理辅助多目标粒子群优化算法[J]. 计算机工程与应用, 2021, 57(23): 71-80.
[3]	胡小兵，陈树念，张盈斐，谷升豪. 求解多目标路径优化问题的涟漪扩散算法[J]. 计算机工程与应用, 2021, 57(23): 81-90.
[4]	李倩，蒋丽，梁昌勇. 基于模糊时间窗的多目标冷链配送优化[J]. 计算机工程与应用, 2021, 57(23): 255-262.
[5]	李大海，艾志刚，王振东. 基于全组合策略的多目标阴阳对算法[J]. 计算机工程与应用, 2021, 57(22): 110-124.
[6]	崔彩霞，毕超超，范勤勤. 基于隐马尔可夫链的自适应MODE及应用[J]. 计算机工程与应用, 2021, 57(14): 83-94.
[7]	吴天纬，安斯光，孙崎岖，李梅，孙丽宏，申屠南瑛. 改进聚合树的高维多目标降维优化算法[J]. 计算机工程与应用, 2020, 56(21): 47-53.
[8]	王利利，张琳娟，尚雪宁，高德云. 计算智能在电动车充电站规划的应用研究综述[J]. 计算机工程与应用, 2020, 56(2): 1-10.
[9]	涂经科，梁俊斌，蒋婵，王天舒. 大规模无环有向管网中移动物联网监测进展[J]. 计算机工程与应用, 2020, 56(17): 1-11.
[10]	王亚东，石全，尤志锋，宋卫星. 差分准对立学习多目标蚁狮算法[J]. 计算机工程与应用, 2020, 56(13): 156-163.
[11]	郭羽含，胡德甲. 基于随机森林与变邻域下降的车辆合乘求解[J]. 计算机工程与应用, 2020, 56(13): 243-253.
[12]	董骏峰，王祥，梁昌勇. 基于个体邻域的改进NSGA-II算法[J]. 计算机工程与应用, 2019, 55(5): 166-174.
[13]	刘庆，王洋，李星，李红叶. 基因池操作遗传算法的应用层组播路由优化[J]. 计算机工程与应用, 2019, 55(21): 142-150.
[14]	乐春宇，马义中，张建侠. 结合Kriging和物理规划的多目标代理优化算法[J]. 计算机工程与应用, 2019, 55(21): 240-246.
[15]	严太山，文怡婷，李文彬，杨勃. 出租车合乘多目标优化方法研究[J]. 计算机工程与应用, 2019, 55(20): 222-226.