用于约束多目标优化问题的双群体差分进化算法
摘要:用于约束多目标优化问题的双群体差分进化算法孟红云1张小华2刘三阳1(1.西安电子科技大学应用数学系,西安,710071;2.西安电子科技大学智能信息处理研究所,西安,710071)摘要:首先给出一种改进的差分进化算法,然后提出一种基于双群体搜索机制的求解约束多目标优化问题的差分进化算法.该算法同时使用两个群体,其中一个用于保存搜索过程中找到的可行解,另一个用于记录在搜索过程中得到的部分具有某些优良特性的不可行解,避免了构造罚函数和直接删除不可行解.此外,将本文算法、NSGA-Ⅱ和SPEA的时间复杂度进行比较表明,NSGA-Ⅱ最优,本文算法与SPEA相当.对经典测试函数的仿真结果表明,与NSGA-Ⅱ相比较,本文算法在均匀性及逼近性方面均具有一定的优势.关键字:差分进化算法;约束优化问题;多目标优化问题;中图分类号:TP181引言达尔文的自然选择机理和个体的学习能力推动进化算法的出现和发展,用进化算法求解优化问题已成为一个研究的热点[1-3].但目前研究最多的却是无约束优化问题.然而,在科学研究和工程实践中,许多实际问题最终都归结为求解一个带有约束条件的函数优化问题,因此研究基于进化算法求解约束优化问题是非常有必要的.不失一般性,以最小化问题为例,约束优化问题(ConstrainedOptimizationProblem,COP)可定义如下:minF(x̄)=(f1(x̄),f2(x̄),⋯,fk(x̄))x̄∈Rns.t.F(x̄)其中(COP)gi(x̄)≤0,i=1,⋯,phj(x̄)=0,j=1,⋯,q为目标函数,gi(x̄),hj(x̄)向量.将满
温馨提示:当前文档最多只能预览
8 页,若文档总页数超出了
8 页,请下载原文档以浏览全部内容。
本文档由 匿名用户 于 2020-01-03 09:20:24上传分享