IEEEJAS的个人博客分享 http://blog.sciencenet.cn/u/IEEEJAS

博文

基于平均距离聚类的NSGA-Ⅱ

已有 1356 次阅读 2021-6-10 16:56 |系统分类:博客资讯

多目标优化是指:具有2-3个具有相互冲突目标的一类优化问题;在多目标优化中,不存在全局最优解,而是一组折中的Pareto解,其在目标空间中对应的映射称为Pareto前沿面。



崔志华, 张茂清, 常宇, 张江江, 王晖, 张文生. 基于平均距离聚类的NSGA-Ⅱ.自动化学报, 2021, 47(5): 1171-1182

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c180540?viewType=HTML


      不同于单目标优化问题, 多目标优化问题具有高复杂性、非线性和目标函数相互冲突等特点, 且不存在全局最优解, 而是一个最优解集。为了有效求解多目标优化问题, 学者们引入许多解决方法, 如加权和法、目标规划法和极大极小法等. 在具有一定先验知识前提下, 上述方法可以取得较好结果, 但它们通常只能获得一个Pareto 最优解。进化算法的出现为解决多目标优化问题开辟了新思路, 利用进化算法并行性、智能性、自适应性和自组织性, 多目标进化算法可以计算多个Pareto 最优解。


图1.jpg


概括而言,常见的研究多目标优化问题的思路有以下三个方面:

(1)设计高效策略以减少目标函数个数。

(2)利用不同算法优点设计混合策略。

(3)针对求解问题特点设计高效策略。


      NSGA-II是Deb 等在2002 年提出的多目标优化算法, 其具有较低计算复杂性且在相同时间内能获得较优的求解性能。为了进一步提升NSGA-II 性能, 近年来许多研究者尝试把聚类思想融入该算法中。本文受聚类思想启发, 针对算法多样性方面存在的缺陷,设计了新的平均距离聚类的多样性指标. 基于平均距离聚类多样性指标, 整个种群可被均匀划分成若干个小种群, 并可将NSGA-II 的选择和交叉算子等操作应用在小种群中, 从而保证算法所求结果均匀分布在Pareto 前沿面上。


图2.png


图3.png


作者简介


崔志华

太原科技大学教授,博士生导师,主要研究方向为智能计算, 随机算法和组合优化. 

E-mail: zhihua.cui@hotmail.com


张茂清

同济大学博士研究生,主要研究方向为高维多目标进化算法以及应用.

E-mail: maoqing_zhang@163.com


常  宇

太原科技大学硕士研究生,主要研究方向为动态高维多目标优化等.

E-mail: YuChang78dd@163.com


张江江

太原科技大学硕士研究生,主要研究方向为高维多目标优化等.

E-mail: jiangofyouth@163.com


王  晖

南昌工程学院副教授. 主要研究方向为进化计算, 群智能优化和大规模优化.

E-mail: huiwang@nit.edu.cn


张文生

中国科学院自动化研究所研究员. 主要研究方向为大数据知识挖掘, 人工智能, 机器学习, 嵌入式视频图像处理. 

E-mail: wensheng.zhang@ia.ac.cn




https://m.sciencenet.cn/blog-3291369-1290599.html

上一篇:中医舌象分割技术研究进展: 方法、性能与展望
下一篇:[转载]欧洲科学院院士陈关荣教授:如何写好英文科技论文

0

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2024-3-29 05:15

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部