面向多目标优化问题的基于Species的遗传算法

doi:10.12068/j.issn.1005-3026.2016.03.003

东北大学学报:自然科学版 ›› 2016, Vol. 37 ›› Issue (3): 314-318.DOI: 10.12068/j.issn.1005-3026.2016.03.003

面向多目标优化问题的基于Species的遗传算法

付亚平^1,2，王洪峰^1,2，黄敏^1,2

(1. 东北大学信息科学与工程学院，辽宁沈阳110819； 2. 东北大学流程工业综合自动化国家重点实验室，辽宁沈阳110819)

收稿日期:2015-01-05 修回日期:2015-01-05 出版日期:2016-03-15 发布日期:2016-03-07
通讯作者: 付亚平
作者简介:付亚平(1985-)，男，山东青岛人，东北大学博士研究生；黄敏(1968-)，女，福建长乐人，东北大学教授，博士生导师.
基金资助:
国家杰出青年科学基金资助项目(71325002，61225012)；国家自然科学基金资助项目(71071028， 71001018)；流程工业综合自动化国家重点实验室基础科研业务费资助项目(2013ZCX11)；中央高校基本科研业务费专项资金资助项目(N130404017).

Species-Based Genetic Algorithm for Multiobjective Optimization Problems

FU Ya-ping^1,2， WANG Hong-feng^1,2， HUANG Min^1,2

1. School of Information Science & Engineering， Northeastern University， Shenyang 110819， China; 2. State Key Laboratory of Synthetical Automation for Process Industries， Northeastern University， Shenyang 110819， China.

Received:2015-01-05 Revised:2015-01-05 Online:2016-03-15 Published:2016-03-07
Contact: WANG Hong-feng
About author:-
Supported by:
-

摘要/Abstract

摘要： 为了能够快速准确地获得多目标优化问题的一组非支配解，提出了一种基于Species的多目标遗传算法.该算法采用Tchebycheff方法构建一定数量的子问题，进而基于Species机制构造多种群实现了对多个子问题的并行求解.这种采用多个体对一个最优解的搜索方式提高了算法的探索能力和开发能力.最后，对一组标准测试函数进行仿真实验，结果表明所提出的算法能够快速准确地获得一定数量的非支配解.

关键词: 多目标优化问题, 遗传算法, 多目标优化算法, Species机制, Tchebycheff方法

Abstract: In order to achieve a set of nondominated solutions for multiobjective optimization problems quickly and accurately， a Species-based genetic algorithm for multiobjecitve optimization problems was proposed. Firstly， a certain number of subproblems were developed with the Tchebycheff approach. Then multiple subpopulations were constructed based on the Species mechanism to solve all the subproblems simultaneously， which can improve the exploration and exploitation ability by using multiple individuals to search one optimal solution. Finally， a set of benchmark multiobjective functions were examined， and the experimental results showed that the proposed algorithm can obtain a certain number of nondominated solutions quickly and accurately.

Key words: multiobjective optimization problem, genetic algorithm, multiobjective optimization algorithm, Species mechanism, Tchebycheff approach

中图分类号:

付亚平，王洪峰，黄敏. 面向多目标优化问题的基于Species的遗传算法[J]. 东北大学学报:自然科学版, 2016, 37(3): 314-318.

FU Ya-ping， WANG Hong-feng， HUANG Min. Species-Based Genetic Algorithm for Multiobjective Optimization Problems[J]. Journal of Northeastern University Natural Science, 2016, 37(3): 314-318.

参考文献

[1]Zhou A，Qu B，Li H，et al.Multiobjective evolutionary algorithms:a survey of the state of the art［J］.Swarm and Evolutionary Computation，2011，1(1):32-49.
[2]Deb K，Pratap A，Agarwal S，et al.A fast and elitist multiobjective genetic algorithm:NSGA-II［J］.IEEE Transactions on Evolutionary Computation， 2002，6(2):182-197.
[3]Qu B Y，Suganthan P N.Multi-objective evolutionary algorithms based on the summation of normalized objectives and diversified selection［J］.Information Sciences，2010，180(17):3170-3181.
[4]Zhang Q，Li H.MOEA/D:a multiobjective evolutionary algorithm based on decomposition［J］.IEEE Transactions on Evolutionary Computation， 2007，11(6):712-731.
[5]Goh C K，Tan K C.A competitive-cooperative coevolutionary paradigm for dynamic multiobjective optimization［J］.IEEE Transactions on Evolutionary Computation， 2009，13(1):103-127.
[6]Zhang Y，Gong D，Ding Z.Handling multi-objective optimization problems with a multi-swarm cooperative particle swarm optimizer［J］.Expert Systems with Applications，2011，38(11):13933-13941.
[7]Zhan Z H，Li J J，Cao J N，et al.Multiple populations for multiple objectives:a coevolutionary technique for solving multiobjective optimization problems ［J］.IEEE Transactions on Cybernetics，2013，43(2):445-463.
[8]Li J P，Balazs M E，Parks G T，et al.A species conserving genetic algorithm for multimodal function optimization［J］.Evolutionary Computation，2002，10(3):207-234.
[9]Wang H，Moon I，Yang S，et al.A memetic particle swarm optimization algorithm for multimodal optimization problems［J］.Information Sciences，2012，197:38-52.
[10]Petalas Y G，Parsopoulos K E，Vrahatis M N.Memetic particle swarm optimization［J］.Annals of Operation Research，2007，156(1):99-127.
[11]Huband S，Hingston P，Barone L，et al.A review of multiobjective test problems and a scalable test problem toolkit［J］. IEEE Transactions on Evolutionary Computation， 2006，10(5):477-506.
[12]Bandyopadhyay S，Saha S，Maulik U，et al.A simulated annealing-based multiobjective optimization algorithm:AMOSA［J］.IEEE Transactions on Evolutionary Computation， 2008，12(3):269-283.

[1]	丁山，臧仕义，曹殿明，佘黎煌. 基于动态ID跳变的CAN总线安全调度算法[J]. 东北大学学报（自然科学版）, 2022, 43(3): 350-358.
[2]	叶翠丽，王娜，庞硕，闫航. 基于改进遗传算法的秸秆还田机刀片功耗优化[J]. 东北大学学报（自然科学版）, 2021, 42(9): 1290-1298.
[3]	丁山，暴林慧，高梦宁，佘黎煌. 一种基于安全性的CAN-FD信号打包方法[J]. 东北大学学报（自然科学版）, 2021, 42(6): 775-781.
[4]	刘军，杨青文，王金涛，刘华伟. 基于改进遗传算法的空间信息网恢复策略[J]. 东北大学学报（自然科学版）, 2021, 42(4): 524-530.
[5]	裴玉龙，杨世军，潘恒彦. 考虑车内拥挤状态的公交弹性发车间隔优化[J]. 东北大学学报（自然科学版）, 2021, 42(11): 1663-1672.
[6]	李壮年，储满生，柳政根，李宝峰. 基于机器学习和遗传算法的高炉参数预测与优化[J]. 东北大学学报:自然科学版, 2020, 41(9): 1262-1267.
[7]	黄川，胡平，连静. 一种基于车载信号还原机动车道3D地图的大数据方法[J]. 东北大学学报:自然科学版, 2020, 41(6): 771-777.
[8]	刘芳，刘欣怡，苏卫星，林辉. 电动汽车动力电池健康状态在线估算方法[J]. 东北大学学报:自然科学版, 2020, 41(4): 492-498.
[9]	王新刚，徐馷悉，李尚杰，马瑞敏. 不确定结构的区间可靠性优化设计[J]. 东北大学学报:自然科学版, 2020, 41(4): 521-527.
[10]	张华伟，郑晓涛. 基于遗传算法优化神经网络的拼焊板压边力预测[J]. 东北大学学报:自然科学版, 2020, 41(2): 241-245.
[11]	刘芳，马杰，苏卫星，何茂伟. 基于模型参数在线辨识技术的SOC估算方法[J]. 东北大学学报:自然科学版, 2020, 41(11): 1543-1549.
[12]	茹敬雨，贾子熙，吴成东. 一种基于阳光的运动轨迹简化算法[J]. 东北大学学报:自然科学版, 2019, 40(8): 1070-1075.
[13]	李海朋，李晶皎，金硕巍，杨丹. 多宇宙并行量子遗传神经网络人脸识别算法研究[J]. 东北大学学报:自然科学版, 2019, 40(5): 614-618.
[14]	翟莹莹，厉英，敖志广. 基于改进多目标遗传算法的连铸二冷过程优化[J]. 东北大学学报:自然科学版, 2019, 40(5): 658-662.
[15]	马小刚，陈良玉，李杨. 基于响应面法炉腹异型管铜冷却壁的长寿技术优化[J]. 东北大学学报:自然科学版, 2019, 40(5): 710-715.

面向多目标优化问题的基于Species的遗传算法

Species-Based Genetic Algorithm for Multiobjective Optimization Problems

RichHTML

PDF (PC)

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

本文评价