多因子进化算法研究进展

doi:10.3778/j.issn.1002-8331.1803-0014

计算机工程与应用 ›› 2018, Vol. 54 ›› Issue (11): 15-20.DOI: 10.3778/j.issn.1002-8331.1803-0014

多因子进化算法研究进展

徐庆征1，杨恒1，王娜1，伍国华2，江巧永3

1.国防科技大学信息通信学院，西安 710106
2.国防科技大学系统工程学院，长沙 410073
3.西安理工大学计算机科学与工程学院，西安 710048

出版日期:2018-06-01 发布日期:2018-06-14

Recent advances in multifactorial evolutionary algorithm

XU Qingzheng1, YANG Heng1, WANG Na1, WU Guohua2, JIANG Qiaoyong3

1.College of Information and Communication, National University of Defense Technology, Xi’an 710106, China
2.College of Systems Engineering, National University of Defense Technology, Changsha 410073, China
3.School of Computer Science and Engineering, Xi’an University of Technology, Xi’an 710048, China

Online:2018-06-01 Published:2018-06-14

摘要/Abstract

摘要： 多因子优化是一类新的优化问题。多因子进化算法受到多因子遗传模型的启发，利用进化个体的单一种群，能够同时求解跨域的多个优化问题。它属于一种文化基因算法，是智能计算领域新近涌现的研究热点。介绍了多因子进化算法的生物学基础、算法流程，以及文化基因算法的基本概念。然后从工作机理、算法改进、典型应用领域等角度，系统总结了前人的理论和应用成果。最后，指出了将来研究所面临的若干挑战和机遇，以推动学科发展。

关键词: 多因子进化算法, 多因子优化, 进化算法, 选型交配, 垂直文化传播, 文化基因算法

Abstract: Multifactorial optimization is a new category of optimization problems. Inspired by multifactorial inheritance model, multifactorial evolutionary algorithm can solve multiple cross-domain optimization problems simultaneously using a single population of evolving individuals. Regarded as belonging to the realm of memetic algorithm, it has become a hot issue emerging recently in intelligent computation. The biological basis and algorithm procedure of multifactorial evolutionary algorithm and the concept of memetic algorithm are firstly introduced in this paper. Major theoretical and application results are then reviewed critically from the perspective of working mechanism, algorithm improvement and typical application fields. Finally a number of future challenges and opportunities are proposed to help move the field forward.

Key words: multifactorial evolutionary algorithm, multifactorial optimization, evolutionary computation, assortative mating, vertical cultural transmission, memetic algorithm

徐庆征1，杨恒1，王娜1，伍国华2，江巧永3. 多因子进化算法研究进展[J]. 计算机工程与应用, 2018, 54(11): 15-20.

XU Qingzheng1, YANG Heng1, WANG Na1, WU Guohua2, JIANG Qiaoyong3. Recent advances in multifactorial evolutionary algorithm[J]. Computer Engineering and Applications, 2018, 54(11): 15-20.

[1]	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.
[2]	白首华，郭广颂，胡天彤. 交互式多目标文化算法优化多模态混合指标[J]. 计算机工程与应用, 2021, 57(17): 80-87.
[3]	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.
[4]	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.
[5]	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.
[6]	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.
[7]	蔡延光，陈厚仁，戚远航. 变邻域量子烟花算法求解CVRP[J]. 计算机工程与应用, 2019, 55(9): 230-236.
[8]	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.
[9]	周林. 低碳时变城配送车辆路径-发车调度集成优化[J]. 计算机工程与应用, 2019, 55(8): 264-270.
[10]	迟宗正，董绍正，郭童，任志磊，周宽久，郭禾. 求解风力发电机布局问题的超启发式算法研究[J]. 计算机工程与应用, 2019, 55(7): 220-225.
[11]	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.
[12]	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.
[13]	申晓宁，孙毅，薛云勇. 采用放松支配关系的高维多目标微分进化算法[J]. 计算机工程与应用, 2018, 54(18): 161-167.
[14]	刘利斌1，2，隆广庆1，2，上官珍萍1. 差分进化与有理谱方法求解奇异摄动问题[J]. 计算机工程与应用, 2018, 54(17): 225-230.
[15]	钱武文，柴军瑞，张子映，谈然. 基于反射变异策略的自适应差分进化算法[J]. 计算机工程与应用, 2018, 54(15): 161-168.

多因子进化算法研究进展

Recent advances in multifactorial evolutionary algorithm

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