LSMOEA/2s:一种基于变量两阶段分组的多目标进化算法
TP181; 大规模多目标优化问题(Large-Scale Multi-objective Optimization Problem,LSMOP)固有的性质给多目标进化算法(Multi-Objective Evolutionary Algorithm,MOEA)带来挑战.目前大多数大规模多目标进化算法(Large-Scale Multi-Objective Evolutionary Algorithm,LSMOEA)需要耗费较多的计算资源对大规模决策变量进行分组,使得用于优化问题解的计算资源相对不足,影响了算法效率和解题性能.基于此,本研究提出一种基于变量两阶段分组的多目标进化算法(Large...
Gespeichert in:
| Veröffentlicht in: | 广西科学 2023, Vol.30 (2), p.413-420 |
|---|---|
| Hauptverfasser: | , , , |
| Format: | Artikel |
| Sprache: | chi |
| Online-Zugang: | Volltext |
| Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
| container_end_page | 420 |
|---|---|
| container_issue | 2 |
| container_start_page | 413 |
| container_title | 广西科学 |
| container_volume | 30 |
| creator | 谢承旺 潘嘉敏 付世炜 廖剑平 |
| description | TP181; 大规模多目标优化问题(Large-Scale Multi-objective Optimization Problem,LSMOP)固有的性质给多目标进化算法(Multi-Objective Evolutionary Algorithm,MOEA)带来挑战.目前大多数大规模多目标进化算法(Large-Scale Multi-Objective Evolutionary Algorithm,LSMOEA)需要耗费较多的计算资源对大规模决策变量进行分组,使得用于优化问题解的计算资源相对不足,影响了算法效率和解题性能.基于此,本研究提出一种基于变量两阶段分组的多目标进化算法(Large-Scale Multi-Objective Evolutionary Algorithm adopting two-stage variable grouping,LSMOEA/2s).新算法首先利用基于变量组的相关性检测方法快速识别独立变量,然后利用高频次随机分组方法将非独立变量划分成若干子组,最后利用MOEA/D算法优化所有的独立变量和非独立变量子组.将所提算法与当前4种代表性算法(MOEA/D、CCGDE3、RVEA、S3-CMA-ES)一同在LSMOP系列测试问题上进行反转世代距离(Inverted Generational Distance,IGD)性能测试,结果表明,LSMOEA/2s较其他算法具有显著的性能优势. |
| doi_str_mv | 10.13656/j.cnki.gxkx.20230529.022 |
| format | Article |
| fullrecord | <record><control><sourceid>wanfang_jour</sourceid><recordid>TN_cdi_wanfang_journals_gxkx202302023</recordid><sourceformat>XML</sourceformat><sourcesystem>PC</sourcesystem><wanfj_id>gxkx202302023</wanfj_id><sourcerecordid>gxkx202302023</sourcerecordid><originalsourceid>FETCH-wanfang_journals_gxkx2023020233</originalsourceid><addsrcrecordid>eNpjYFA0NNAzNDYzNdPP0kvOy87US6_IrtAzMjAyNjA1stQzMDJiYeA0NDAw1bU0NDPhYOAtLs5MMjAwMDI3NLG04GRw9gn29Xd11Dcqtnqyo-H58t6n83c92dX3tH_Gy_b-JzuWvJyx7dm6rU872p7vbnk-q-XpklnPZ697tqD9xf7ZT3umPV83_dnmqTwMrGmJOcWpvFCam0HVzTXE2UO3PDEvLTEvPT4rv7QoDygTD3Ic2G0gwphYdQALglbz</addsrcrecordid><sourcetype>Aggregation Database</sourcetype><iscdi>true</iscdi><recordtype>article</recordtype></control><display><type>article</type><title>LSMOEA/2s:一种基于变量两阶段分组的多目标进化算法</title><source>国家哲学社会科学学术期刊数据库 (National Social Sciences Database)</source><creator>谢承旺 ; 潘嘉敏 ; 付世炜 ; 廖剑平</creator><creatorcontrib>谢承旺 ; 潘嘉敏 ; 付世炜 ; 廖剑平</creatorcontrib><description>TP181; 大规模多目标优化问题(Large-Scale Multi-objective Optimization Problem,LSMOP)固有的性质给多目标进化算法(Multi-Objective Evolutionary Algorithm,MOEA)带来挑战.目前大多数大规模多目标进化算法(Large-Scale Multi-Objective Evolutionary Algorithm,LSMOEA)需要耗费较多的计算资源对大规模决策变量进行分组,使得用于优化问题解的计算资源相对不足,影响了算法效率和解题性能.基于此,本研究提出一种基于变量两阶段分组的多目标进化算法(Large-Scale Multi-Objective Evolutionary Algorithm adopting two-stage variable grouping,LSMOEA/2s).新算法首先利用基于变量组的相关性检测方法快速识别独立变量,然后利用高频次随机分组方法将非独立变量划分成若干子组,最后利用MOEA/D算法优化所有的独立变量和非独立变量子组.将所提算法与当前4种代表性算法(MOEA/D、CCGDE3、RVEA、S3-CMA-ES)一同在LSMOP系列测试问题上进行反转世代距离(Inverted Generational Distance,IGD)性能测试,结果表明,LSMOEA/2s较其他算法具有显著的性能优势.</description><identifier>ISSN: 1005-9164</identifier><identifier>DOI: 10.13656/j.cnki.gxkx.20230529.022</identifier><language>chi</language><publisher>华南师范大学数据科学与工程学院,广东汕尾 516600%南宁师范大学计算机与信息工程学院,广西南宁 530000</publisher><ispartof>广西科学, 2023, Vol.30 (2), p.413-420</ispartof><rights>Copyright © Wanfang Data Co. Ltd. All Rights Reserved.</rights><woscitedreferencessubscribed>false</woscitedreferencessubscribed></display><links><openurl>$$Topenurl_article</openurl><openurlfulltext>$$Topenurlfull_article</openurlfulltext><thumbnail>$$Uhttp://www.wanfangdata.com.cn/images/PeriodicalImages/gxkx/gxkx.jpg</thumbnail><link.rule.ids>314,780,784,4024,27923,27924,27925</link.rule.ids></links><search><creatorcontrib>谢承旺</creatorcontrib><creatorcontrib>潘嘉敏</creatorcontrib><creatorcontrib>付世炜</creatorcontrib><creatorcontrib>廖剑平</creatorcontrib><title>LSMOEA/2s:一种基于变量两阶段分组的多目标进化算法</title><title>广西科学</title><description>TP181; 大规模多目标优化问题(Large-Scale Multi-objective Optimization Problem,LSMOP)固有的性质给多目标进化算法(Multi-Objective Evolutionary Algorithm,MOEA)带来挑战.目前大多数大规模多目标进化算法(Large-Scale Multi-Objective Evolutionary Algorithm,LSMOEA)需要耗费较多的计算资源对大规模决策变量进行分组,使得用于优化问题解的计算资源相对不足,影响了算法效率和解题性能.基于此,本研究提出一种基于变量两阶段分组的多目标进化算法(Large-Scale Multi-Objective Evolutionary Algorithm adopting two-stage variable grouping,LSMOEA/2s).新算法首先利用基于变量组的相关性检测方法快速识别独立变量,然后利用高频次随机分组方法将非独立变量划分成若干子组,最后利用MOEA/D算法优化所有的独立变量和非独立变量子组.将所提算法与当前4种代表性算法(MOEA/D、CCGDE3、RVEA、S3-CMA-ES)一同在LSMOP系列测试问题上进行反转世代距离(Inverted Generational Distance,IGD)性能测试,结果表明,LSMOEA/2s较其他算法具有显著的性能优势.</description><issn>1005-9164</issn><fulltext>true</fulltext><rsrctype>article</rsrctype><creationdate>2023</creationdate><recordtype>article</recordtype><recordid>eNpjYFA0NNAzNDYzNdPP0kvOy87US6_IrtAzMjAyNjA1stQzMDJiYeA0NDAw1bU0NDPhYOAtLs5MMjAwMDI3NLG04GRw9gn29Xd11Dcqtnqyo-H58t6n83c92dX3tH_Gy_b-JzuWvJyx7dm6rU872p7vbnk-q-XpklnPZ697tqD9xf7ZT3umPV83_dnmqTwMrGmJOcWpvFCam0HVzTXE2UO3PDEvLTEvPT4rv7QoDygTD3Ic2G0gwphYdQALglbz</recordid><startdate>2023</startdate><enddate>2023</enddate><creator>谢承旺</creator><creator>潘嘉敏</creator><creator>付世炜</creator><creator>廖剑平</creator><general>华南师范大学数据科学与工程学院,广东汕尾 516600%南宁师范大学计算机与信息工程学院,广西南宁 530000</general><general>南宁师范大学计算机与信息工程学院,广西南宁 530000</general><scope>2B.</scope><scope>4A8</scope><scope>92I</scope><scope>93N</scope><scope>PSX</scope><scope>TCJ</scope></search><sort><creationdate>2023</creationdate><title>LSMOEA/2s:一种基于变量两阶段分组的多目标进化算法</title><author>谢承旺 ; 潘嘉敏 ; 付世炜 ; 廖剑平</author></sort><facets><frbrtype>5</frbrtype><frbrgroupid>cdi_FETCH-wanfang_journals_gxkx2023020233</frbrgroupid><rsrctype>articles</rsrctype><prefilter>articles</prefilter><language>chi</language><creationdate>2023</creationdate><toplevel>online_resources</toplevel><creatorcontrib>谢承旺</creatorcontrib><creatorcontrib>潘嘉敏</creatorcontrib><creatorcontrib>付世炜</creatorcontrib><creatorcontrib>廖剑平</creatorcontrib><collection>Wanfang Data Journals - Hong Kong</collection><collection>WANFANG Data Centre</collection><collection>Wanfang Data Journals</collection><collection>万方数据期刊 - 香港版</collection><collection>China Online Journals (COJ)</collection><collection>China Online Journals (COJ)</collection><jtitle>广西科学</jtitle></facets><delivery><delcategory>Remote Search Resource</delcategory><fulltext>fulltext</fulltext></delivery><addata><au>谢承旺</au><au>潘嘉敏</au><au>付世炜</au><au>廖剑平</au><format>journal</format><genre>article</genre><ristype>JOUR</ristype><atitle>LSMOEA/2s:一种基于变量两阶段分组的多目标进化算法</atitle><jtitle>广西科学</jtitle><date>2023</date><risdate>2023</risdate><volume>30</volume><issue>2</issue><spage>413</spage><epage>420</epage><pages>413-420</pages><issn>1005-9164</issn><abstract>TP181; 大规模多目标优化问题(Large-Scale Multi-objective Optimization Problem,LSMOP)固有的性质给多目标进化算法(Multi-Objective Evolutionary Algorithm,MOEA)带来挑战.目前大多数大规模多目标进化算法(Large-Scale Multi-Objective Evolutionary Algorithm,LSMOEA)需要耗费较多的计算资源对大规模决策变量进行分组,使得用于优化问题解的计算资源相对不足,影响了算法效率和解题性能.基于此,本研究提出一种基于变量两阶段分组的多目标进化算法(Large-Scale Multi-Objective Evolutionary Algorithm adopting two-stage variable grouping,LSMOEA/2s).新算法首先利用基于变量组的相关性检测方法快速识别独立变量,然后利用高频次随机分组方法将非独立变量划分成若干子组,最后利用MOEA/D算法优化所有的独立变量和非独立变量子组.将所提算法与当前4种代表性算法(MOEA/D、CCGDE3、RVEA、S3-CMA-ES)一同在LSMOP系列测试问题上进行反转世代距离(Inverted Generational Distance,IGD)性能测试,结果表明,LSMOEA/2s较其他算法具有显著的性能优势.</abstract><pub>华南师范大学数据科学与工程学院,广东汕尾 516600%南宁师范大学计算机与信息工程学院,广西南宁 530000</pub><doi>10.13656/j.cnki.gxkx.20230529.022</doi></addata></record> |
| fulltext | fulltext |
| identifier | ISSN: 1005-9164 |
| ispartof | 广西科学, 2023, Vol.30 (2), p.413-420 |
| issn | 1005-9164 |
| language | chi |
| recordid | cdi_wanfang_journals_gxkx202302023 |
| source | 国家哲学社会科学学术期刊数据库 (National Social Sciences Database) |
| title | LSMOEA/2s:一种基于变量两阶段分组的多目标进化算法 |
| url | https://sfx.bib-bvb.de/sfx_tum?ctx_ver=Z39.88-2004&ctx_enc=info:ofi/enc:UTF-8&ctx_tim=2024-12-26T05%3A45%3A08IST&url_ver=Z39.88-2004&url_ctx_fmt=infofi/fmt:kev:mtx:ctx&rfr_id=info:sid/primo.exlibrisgroup.com:primo3-Article-wanfang_jour&rft_val_fmt=info:ofi/fmt:kev:mtx:journal&rft.genre=article&rft.atitle=LSMOEA/2s:%E4%B8%80%E7%A7%8D%E5%9F%BA%E4%BA%8E%E5%8F%98%E9%87%8F%E4%B8%A4%E9%98%B6%E6%AE%B5%E5%88%86%E7%BB%84%E7%9A%84%E5%A4%9A%E7%9B%AE%E6%A0%87%E8%BF%9B%E5%8C%96%E7%AE%97%E6%B3%95&rft.jtitle=%E5%B9%BF%E8%A5%BF%E7%A7%91%E5%AD%A6&rft.au=%E8%B0%A2%E6%89%BF%E6%97%BA&rft.date=2023&rft.volume=30&rft.issue=2&rft.spage=413&rft.epage=420&rft.pages=413-420&rft.issn=1005-9164&rft_id=info:doi/10.13656/j.cnki.gxkx.20230529.022&rft_dat=%3Cwanfang_jour%3Egxkx202302023%3C/wanfang_jour%3E%3Curl%3E%3C/url%3E&disable_directlink=true&sfx.directlink=off&sfx.report_link=0&rft_id=info:oai/&rft_id=info:pmid/&rft_wanfj_id=gxkx202302023&rfr_iscdi=true |