一种基于相似个体的多目标进化算法

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (14): 67-72.

一种基于相似个体的多目标进化算法

伍军,郑金华,文诗华

湘潭大学信息工程学院，湖南湘潭 411105

收稿日期:2007-11-23 修回日期:2008-02-28 出版日期:2008-05-11 发布日期:2008-05-11
通讯作者: 伍军

Multi-objective evolutionary algorithm based on similar individuals

WU Jun,ZHENG Jin-hua,WEN Shi-hua

Institute of Information Engineering，Xiangtan University，Xiangtan，Hunan 411105，China

Received:2007-11-23 Revised:2008-02-28 Online:2008-05-11 Published:2008-05-11
Contact: WU Jun

摘要/Abstract

摘要： 分布性保持是多目标进化算法研究的一个重要方面，一个好的分布性能给决策者提供更多合理有效的选择。Pareto最优解的分布性主要体现在分布广度与均匀性两个方面。提出一种基于相似个体的多目标进化算法（SMOEA）。在种群维护中删除相似程度最大的个体；在进化操作中，选取了相似程度最大的个体进行进化。与目前经典算法NSGA-II和ε-MOEA进行比较，结果表明新算法拥有良好的分布性，同时也较好的改善了收敛性。

关键词: 多目标进化算法, 多目标优化问题, 种群维护, 分布性, 相似个体

Abstract: Diversity maintenance strategy is an important part of studies on multiobjective evolutionary algorithms(MOEAs).A good diversity can give a decision-maker more reasonable and efficient selections.The diversity of pareto optimal solutions include the span and the uniformity of solutions.This paper proposes a multi-objective evolutionary algorithm based on similar individuals(SMOEA).In the process of population maintenance，it deletes individuals with the most similarity.While in the process of evolution operations，the most similar individuals are selected to evolve.Compared with NSGA-II and ε-MOEA，the experimental results demonstrate that the new algorithm can converge to the true Pareto front fast and can obtain good convergence at the same time.

Key words: multi-objective evolutionary algorithm, multi-objective optimal problem, population maintenance, diversity, similar individuals

伍军,郑金华,文诗华. 一种基于相似个体的多目标进化算法[J]. 计算机工程与应用, 2008, 44(14): 67-72.

WU Jun,ZHENG Jin-hua,WEN Shi-hua. Multi-objective evolutionary algorithm based on similar individuals[J]. Computer Engineering and Applications, 2008, 44(14): 67-72.

[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]	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.
[4]	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.
[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]	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.
[10]	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.
[11]	李雯，李和成. 基于空间网格划分的多目标进化算法[J]. 计算机工程与应用, 2014, 50(8): 53-56.
[12]	黄秋兰，程耀东，陈刚. 分布式存储系统的哈希算法研究[J]. 计算机工程与应用, 2014, 50(1): 1-4.
[13]	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.
[14]	杨虎1，许峰2. 基于聚集密度的粒子群多目标优化算法[J]. 计算机工程与应用, 2013, 49(17): 190-194.
[15]	王晓笛1，肖伟1，何灿2. 改进的蛙跳算法在多目标优化问题中的应用[J]. 计算机工程与应用, 2012, 48(30): 233-238.