中国学术期刊网络出版总库
  关闭
基于距离收敛量和历史信息密度的多目标进化算法  
   推荐 CAJ下载 PDF下载
【英文篇名】 Distance convergence and history density based multi-objective evolutionary algorithm
【下载频次】 ★★
【作者】 李潇涵; 刘博; 张友;
【英文作者】 Li Xiaohan; Liu Bo; Zhang You; School of Computer Science & Information Technology; Northeast Normal University;
【作者单位】 东北师范大学计算机科学与信息技术学院;
【文献出处】 计算机应用研究 , Application Research of Computers, 编辑部邮箱 2017年 12期  
期刊荣誉:中文核心期刊要目总览  ASPT来源刊  中国期刊方阵  CJFD收录刊
【中文关键词】 多目标进化算法; 距离收敛量; 历史信息密度; 配对选择;
【英文关键词】 multi-objective evolutionary algorithm; distance convergence; history density; mating selection;
【摘要】 在筛选个体的过程中,多目标进化算法大多利用非支配信息和密度信息评价个体。但当个体互为非支配关系时,上述信息就难以区分个体的优劣从而影响算法性能。为了改善上述情况,提出了一种基于距离收敛量和历史信息密度的多目标进化算法。距离收敛量可以在非支配信息不能区分个体时评价个体的收敛性;历史信息密度可以更精确地提供个体多样性信息。在与四个先进的多目标进化算法的对比实验中,新算法的求解质量明显优于对比算法。
【英文摘要】 Most multi-objective evolutionary algorithms used Pareto dominant criterion and density criterion to select individuals from generation to generation. However,as the Pareto criterions failed to discriminate the convergence and diversity degrees of individuals when the individuals were Pareto-optimal solutions. To address this issue,this paper proposed a distance convergence and history density based multi-objective evolutionary algorithm. It defined the distance convergence criterion to distinguish Pareto-o...
【更新日期】 2017-12-25
【分类号】 TP18
【正文快照】 0引言近年来,随着计算机科学技术的快速发展,最优化问题[1]已经成为人工智能领域中最重要的问题形式之一。当问题需要优化的目标不止一个,并且需要同时处理时,最优化问题称为多目标优化问题[1]。由于实际问题的复杂性,绝大多数情况下,多目标优化问题的目标之间都是相悖的,所以?

xxx
【读者推荐文章】中国期刊全文数据库
【相似文献】
中国期刊全文数据库
中国优秀硕士学位论文全文数据库
中国博士学位论文全文数据库
中国重要会议论文全文数据库
中国重要报纸全文数据库
中国学术期刊网络出版总库
点击下列相关研究机构和相关文献作者,可以直接查到这些机构和作者被《中国知识资源总库》收录的其它文献,使您全面了解该机构和该作者的研究动态和历史。
【文献分类导航】从导航的最底层可以看到与本文研究领域相同的文献,从上层导航可以浏览更多相关领域的文献。

工业技术
  自动化技术、计算机技术
   自动化基础理论
    人工智能理论
  
 
  CNKI系列数据库编辑出版及版权所有:中国学术期刊(光盘版)电子杂志社
中国知网技术服务及网站系统软件版权所有:清华同方知网(北京)技术有限公司
其它数据库版权所有:各数据库编辑出版单位(见各库版权信息)
京ICP证040431号    互联网出版许可证 新出网证(京)字008号