一种基于云模型的多目标进化算法
如何获得范围广泛且均匀分布的非支配解和保证算法朝Pareto最优解的方向搜索是多目标进化算法(MOEA)设计时的两个关键问题。在MOEA的基础上，提出一种基于云模型的多目标进化算法（CMOEA），算法设计一种新的变异算子自适应调整变异概率，使得算法具有良好的局部搜索能力，在采用小生境技术中小生境半径按X条件云发生器非线性动态地调整保持解的多样性，动态计算个体的拥挤距离并采用云模型参数来估计个体的拥挤度，逐个删除种群中超出的非劣解以保持解的分布性，将该算法用于多目标0/1背包问题，与目前最流行且有效的多目标进化算法NSGA-Ⅱ及SPEA2进行的比较实验结果表明，CMOEA具有良好的搜索性能，并能很好地维持种群的多样性，能够快速收敛到Pareto前沿,获得的Pareto最优解集具有更好的收敛性与分布性。
目标优化 多目标进化算法 云模型 Pareto 最优解
许波 彭志平 陈晓龙 柯文德 余建平
广东石油化工学院计算机科学与技术系,广东茂名,525000 湖南师范大学数学与计算机科学学院,湖南长沙,410081
国内会议
合肥
中文
1-9
2011-10-15（万方平台首次上网日期，不代表论文的发表时间）