%0 Journal Article
%T 一种基于信息分离的高维多目标进化算法
%A 郑金华？
%A 申瑞珉？
%A 李密青？
%A 邹娟？
%J 软件学报
%P 1013-1036
%D 2015
%R 10.13328/j.cnki.jos.004676
%X 高维多目标优化是指对目标维数大于三维的多目标问题(multi-objectiveoptimizationproblem,简称mop)进行优化.大多数传统的多目标进化算法采用pareto支配关系指导搜索,很难在高维多目标优化问题上得到较为理想的结果.为此,提出了一种基于信息分离的高维多目标进化算法(multi-objectiveevolutionaryalgorithmbasedoninformationseparation,简称isea).该算法在目标空间中将原坐标系进行旋转,使第1条坐标轴与向量(1,1,…,1)t平行.isea定义转换坐标的第1个坐标值为收敛信息(convergenceinformation,简称ci),剩余的坐标代表个体分布信息(diversityinformation,简称di).同时,采用一种基于分层选择的邻域惩罚机制,利用一种由两个超圆锥组成的邻域形状保持种群的分布性,当个体被选入归档集后,其邻域内的个体将被惩罚进入下一层选择,防止邻近的个体同时被选入归档集.邻域形状的第1部分利用分布信息覆盖邻近的个体,第2部分覆盖边界上的差个体.与nnia,e-moea,msops,ar+dmo以及ibea这5种经典算法进行了比较.实验结果表明,isea在处理高维多目标优化问题时具有良好的收敛性和分布性.
%K 多目标优化
%K 进化算法
%K 高维多目标优化
%K 信息分离
%U http://www.jos.org.cn/ch/reader/view_abstract.aspx?file_no=4676&flag=1