改进的自适应邻域的多目标进化算法

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (25): 49-53.

改进的自适应邻域的多目标进化算法

薛胜军，杨明

南京信息工程大学计算机与软件学院，南京 210044

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-09-01 发布日期:2011-09-01

Improved multi-objective evolutionary algorithm based on adaptive neighborhood

XUE Shengjun，YANG Ming

Institute of Computer and Software，Nanjing University of Information Science and Technology，Nanjing 210044，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-09-01 Published:2011-09-01

摘要/Abstract

摘要： 提出了一种新的自适应邻域的多目标进化算法，该算法采用自适应邻域的方法维护群体的分布性。探讨了根据当前群体情况进行自适应改变邻域半径，避免了传统邻域策略所引起的邻域半径的取值影响群体分布性的问题。另外，利用自适应邻域半径和拥挤距离进行密度估计，使密度小的个体得到保留。实验结果表明，所讨论的方法是有效的，在保持群体分布性上优于NSGAII和NMOEA。

关键词: 自适应邻域半径, 多目标进化算法, 邻域集, 自适应邻域

Abstract: A novel Multi-Objective Evolutionary Algorithm based on Adaptive Neighborhood（ANMOEA） is proposed.In the ANMOEA，an adaptive neighborhood method is used to maintain the diversity of the population.Moreover，this paper discusses that the radius of the neighborhood is adaptively changed by the situation of the current population，which avoids the problem that radius value of the neighborhood affects the diversity of the population in the traditional neighborhood strategy.In addition，adaptive neighborhood radius and crowding distance are applied to evaluate density of individuals，which preserves the small density of the individuals.The experimental results indicate that the discussed method is effective in maintaining the diversity of the population，which is significantly stronger than NSGAII and NMOEA multi-objective algorithm.

Key words: adaptive neighborhood radius, multi-objective optimization, neighborhood set, adaptive neighborhood

薛胜军，杨明. 改进的自适应邻域的多目标进化算法[J]. 计算机工程与应用, 2011, 47(25): 49-53.

XUE Shengjun，YANG Ming. Improved multi-objective evolutionary algorithm based on adaptive neighborhood[J]. Computer Engineering and Applications, 2011, 47(25): 49-53.

[1]	吉训生，蔡益青. 利用历史信息和限制算子求解MOFJSP[J]. 计算机工程与应用, 2020, 56(2): 272-278.
[2]	耿焕同，周利发，丁洋洋，周山胜. 一种基于新型差分进化模型的MOEA/D改进算法[J]. 计算机工程与应用, 2019, 55(8): 138-146.
[3]	肖俊明，高洪洋，朱永胜，瞿博阳. 考虑新能源接入的电力多目标优化调度[J]. 计算机工程与应用, 2019, 55(23): 241-247.
[4]	郭恩会1，张小国2，陈刚1. 自适应邻域测试的图像误匹配点剔除算法[J]. 计算机工程与应用, 2019, 55(14): 198-202.
[5]	顾春华，刘鑫平，罗飞，丁炜超. 基于同步更新外部归档集的NSGA-II改进算法[J]. 计算机工程与应用, 2018, 54(20): 28-34.
[6]	王俊，赵凤. 基于半监督的多目标进化模糊聚类算法[J]. 计算机工程与应用, 2017, 53(22): 40-44.
[7]	许峰，吴福芳. 自适应协同进化多目标进化算法[J]. 计算机工程与应用, 2016, 52(6): 26-30.
[8]	王超学，田利波. 一种改进的多目标合作型协同进化遗传算法[J]. 计算机工程与应用, 2016, 52(2): 18-23.
[9]	林敏，钟一文. 三种GPU并行的自适应邻域模拟退火算法[J]. 计算机工程与应用, 2015, 51(22): 70-76.
[10]	赵凤，韩文超，惠房臣. 基于分水岭的多目标核聚类图像分割[J]. 计算机工程与应用, 2015, 51(18): 151-155.
[11]	吴坤安，严宣辉，陈振兴. 一种基于Pareto排序的混合多目标进化算法[J]. 计算机工程与应用, 2015, 51(1): 62-68.
[12]	李志强，蔺想红. 多目标优化非支配集构造方法的研究进展[J]. 计算机工程与应用, 2013, 49(19): 31-35.
[13]	梁浩，林丹，马楠. 基于ε-支配的自适应多目标进化算法[J]. 计算机工程与应用, 2011, 47(34): 39-43.
[14]	李亚林，陈静，罗彪，任亚峰，李密青. 一种求解鲁棒优化问题的多目标进化方法[J]. 计算机工程与应用, 2011, 47(24): 58-61.
[15]	文诗华，郑金华. NSGA-II中一种改进的分布性保持策略[J]. 计算机工程与应用, 2010, 46(33): 49-53.