一种改进的基于差分进化的多目标进化算法

doi:10.3778/j.issn.1002-8331.2008.29.014

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (29): 51-56.DOI: 10.3778/j.issn.1002-8331.2008.29.014

一种改进的基于差分进化的多目标进化算法

李珂,郑金华

湘潭大学信息工程学院，湖南湘潭 411105

收稿日期:2008-04-11 修回日期:2008-07-18 出版日期:2008-10-11 发布日期:2008-10-11
通讯作者: 李珂

Improved multi-objective evolutionary algorithm based on differential evolution

LI Ke,ZHENG Jin-hua

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

Received:2008-04-11 Revised:2008-07-18 Online:2008-10-11 Published:2008-10-11
Contact: LI Ke

摘要/Abstract

摘要： 近年来运用进化算法（EAs）解决多目标优化问题（Multi-objective Optimization Problems MOPs）引起了各国学者们的关注。作为一种基于种群的优化方法，EAs提供了一种在一次运行后得到一组优化的解的方法。差分进化（DE）算法是EA的一个分支，最开始是用来解决连续函数空间的问题。提出了一种改进的基于差分进化的多目标进化算法（CDE），并且将它与另外两个经典的多目标进化算法（MOEAs）NSGA-II和SPEA2进行了对比实验。

关键词: 多目标优化, 差分进化, 多目标进化算法（CDE）

Abstract: Recently，the use of evolutionary algorithms（EAs） to solve the Multi-objective Optimization Problems（MOPs） has attracted much attention.EA is a population based optimized approach which can find a group of Pareto-optimal solutions in a single run.Differential Evolution（DE） is a branch of EA that is developed to handle problems over continuous domains.An improved Multi-objective Evolutionary Algorithm is proposed based on Differential Evolution（CDE） to solve MOPs.The proposed algorithm is compared to the other two classical Multi-objective Evolutionary algorithms（MOEAs） NSGA-II and SPEA2 with the experiment results.

Key words: multi-objective optimization, differential evolution, Multi-objective Optimization（CDE）

李珂,郑金华. 一种改进的基于差分进化的多目标进化算法[J]. 计算机工程与应用, 2008, 44(29): 51-56.

LI Ke,ZHENG Jin-hua. Improved multi-objective evolutionary algorithm based on differential evolution[J]. Computer Engineering and Applications, 2008, 44(29): 51-56.

[1]	邹杰，李俊. 多策略协方差矩阵学习差分进化算法[J]. 计算机工程与应用, 2021, 57(7): 78-87.
[2]	胡晓敏，王明丰，张首荣，李敏. 用于文本聚类的新型差分进化粒子群算法[J]. 计算机工程与应用, 2021, 57(4): 61-67.
[3]	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.
[4]	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.
[5]	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.
[6]	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.
[7]	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.
[8]	钱峥远，曾国荪. 精英化岛屿种群引导的差分进化算法[J]. 计算机工程与应用, 2021, 57(20): 73-81.
[9]	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.
[10]	李荣，贺兴时，杨新社. 基于差分进化的飞蛾算法在电力调度中的应用[J]. 计算机工程与应用, 2021, 57(13): 258-268.
[11]	沈鑫，邹德旋，张强. 采用双变异策略的自适应差分进化算法及应用[J]. 计算机工程与应用, 2020, 56(4): 146-157.
[12]	张梦琳，江沸菠，董莉，高颖. 智能无人机轨迹与任务卸载联合优化[J]. 计算机工程与应用, 2020, 56(21): 38-46.
[13]	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.
[14]	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.
[15]	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.

一种改进的基于差分进化的多目标进化算法

Improved multi-objective evolutionary algorithm based on differential evolution

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics