NSGA-II中文翻译.pdf

NSGA-II中文翻译.pdf

ID:48054438

大小:1.52 MB

页数:12页

时间:2019-10-08

NSGA-II中文翻译.pdf_第1页
NSGA-II中文翻译.pdf_第2页
NSGA-II中文翻译.pdf_第3页
NSGA-II中文翻译.pdf_第4页
NSGA-II中文翻译.pdf_第5页
资源描述:

《NSGA-II中文翻译.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、一个快速和精英机制的多目标遗传算法KalyanmoyDeb,AssociateMember,IEEE,AmritPratap,SameerAgarwal,T.Meyarivan摘要:应用非支配排序的多目标进化算法被广为评判,主实Pareto最优解集合的性能来看,我们能够发现NSGA-II优3要是因为:1)OMN()计算复杂度(其中M代表目标个数,于同时期的其他两个多目标优化算法MOEAs:Pareto归档进N代表种群个数)2)非精英机制方法;还有3)需要指定一化策略(PAES)[14]和强化Pareto进化

2、算法(SPEA)[24]。个共享参数。本文中,我们提出了一个基于非支配排序的多约束多目标优化对实际要解决的问题来说是非常重要目标进化算法(MOEA),称为第二代非支配排序进化算法的,但是至今在进化算法领域并没有得到足够的重视。本文(NSGA-II),它缓解了以上三个难点。特别要明确指出的是,中,我们根据NSGA-II提出了一个适合任何遗传算法的简单2一个计算复杂度只有OMN()的快速非支配排序方法被提约束处理策略。在文献中选择出来的四个问题测试,NGSA-II出。还有,一个通过结合父代和子代种群以及选择最佳

3、解决被用来和另一个当前提出的约束处理策略做对比。实验结果方法(根据适应度和扩展性)创建交配池的选择算子被提出。表明NSGA-II可以被鼓励应用于更多复杂的以及现实世界中对不同的测试问题进行的模拟仿真结果表明所提出的的多目标优化问题。NSGA-II,在大多数问题中,与其他进化策略和强性Pareto在文章的剩余部分,在第二章节我们简略地提到一些存进化算法——两个注重创造具有多样性Pareto占优前沿面的在精英机制的多目标进化算法。然后,在第三章节,我们详精英机制的多目标进化算法——相比能找到相对扩展性较好细描述

4、了所提出的NSGA-II算法。第四章节展示了NSGA-II的解以及更能收敛于实际Pareto占优的前沿面。另外,为了的仿真结果并与其它两种多目标优化算法(PAES和SPEA)对高效解决约束多目标优化问题,我们修改了支配的定义。对比。在第五章节,我们重点强调了参数相互作用的问题,它一些测试问题,包括5目标、7约束的非线性问题,将约束是在进化计算方向非常重要的问题。下一章节将NSGA-II扩NSGA-II算法的模拟仿真结果与另一个约束多目标优化算法展到处理约束问题并将结果与当前另一个提出的约束处理方相比,NSG

5、A-II的性能明显更好。法做对比。最后,我们概括了本文的结论。索引词—约束处理,精英机制,遗传算法,多重判据II.精英机制的多目标进化算法决策,多目标优化,Pareto占优法1993-1995年期间,一些不同的进化算法被提出用来解决I.引言多目标优化问题。在它们之中,Fonseca和Fleming的原则上,在一个问题中存在多个目标会产生一个最优解MOGA[7],Srinivas和Deb的NSGA[20],以及Hornetal.的集合(广范知晓的是Pareto占优解法),而不仅仅是一个最优NPGA[13]得到

6、了更多的关注。这些算法展示了将EA转化为解。没有任何进一步的信息,不可以认为一个Pareto占优的MOEA的附加算子。以上三个算子有如下两个共同特征:i)解法会比其它解法好。这需要用户找到尽可能多Pareto占优基于非支配排序给种群成员指定适应度ii)在同一支配前沿面的解。经典优化方法(包括多重判据决策方法)建议通过每的解中保持多样性。即使他们已经被证明在很多测试问题以次强调一个特有的Pareto占优解将多目标优化问题转化为单及一些工程设计问题上可以找到多个非支配解,研究者发现目标优化问题。当这种方法被用来

7、寻找多个解时,在每次模需要引进更多有用的算子(在单目标进化算法上已被证明有拟运行时它必须运行多次才有希望找到不同的解。用)来更好地解决多目标优化问题。特别地,这种想法致使在过去几年,一些多目标进化算法(MOEAs)被相继提出精英机制被引进用来提高MOEA的收敛性能。文献[25]表明[1],[7],[13],[20],[26].其主要原因是它们能够在一次单一的模经营机制能帮助MOEAs实现更好地收敛性能。在已经存在拟运行中找到多个Pareto占优解。因为进化算法(EAs)以种群的精英机制MOEAs,Zitzl

8、er和Thiele的SPEA[26],Knowles方式运行,所以一个简单的进化算法可以被扩展到保持不同和Corne的Pareto归档PAES[14],以及Rudolph的精英机制解的集合。以向Pareto占优区域移动为重点,那么在一次单GA[18]得到充分地研究。我们简单描述了这些方法。细节部一模拟运行下一个进化算法可以被用来找到多个Pareto占优分,读者可自行参考原研究。解。Zitzler和Thiele在他

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。