作者投稿和查稿 主编审稿 专家审稿 编委审稿 远程编辑

计算机工程 ›› 2019, Vol. 45 ›› Issue (3): 162-168. doi: 10.19678/j.issn.1000-3428.0049957

• 人工智能及识别技术 • 上一篇    下一篇

基于局部线性嵌入与差分进化的MOEA/D算法

耿焕同,周利发,丁洋洋,周山胜   

  1. 南京信息工程大学 计算机与软件学院,南京 210044
  • 收稿日期:2018-01-03 出版日期:2019-03-15 发布日期:2019-03-15
  • 作者简介:耿焕同(1973—),男,教授、博士生导师,主研方向为计算智能、约束多目标优化;周利发、丁洋洋、周山胜,硕士研究生。
  • 基金资助:

    国家重点研发计划(2017YFC1502104);江苏省自然科学基金(BK20151458)。

MOEA/D Algorithm Based on Locally Linear Embedding and Differential Evolution

GENG Huantong,ZHOU Lifa,DING Yangyang,ZHOU Shansheng   

  1. School of Computer and Software,Nanjing University of Information Science and Technology,Nanjing 210044,China
  • Received:2018-01-03 Online:2019-03-15 Published:2019-03-15

摘要:

针对基于分解的多目标进化算法选择压力低、收敛速度慢的问题,提出一种局部线性嵌入(LLE)差分进化算法。根据LLE特性降低种群目标空间维数,利用快速非支配排序对种群分支配解进行分层,进而通过差分进化操作提高种群收敛速度。实验结果表明,与dMOPSO算法相比,该算法在保证多样性的同时具有较高的选择压力和较快的收敛速度。

关键词: 局部线性嵌入, 差分进化, 进化算子, 高维, 多目标进化算法

Abstract:

Aiming at the problem of low selection pressure and slow convergence speed for multi-objective evolutionary algorithm based on decomposition,a Local Linear Embedding(LLE) Differential Evolution(DE) algorithm is proposed.According to LLE feature,the spatial dimension of the population target is reduced,and the population bifurcation solution is layered by fast non-dominated sorting,and then the population convergence speed is improved by differential evolution operation.Experimental results show that compared with dMOPSO algorithm,the algorithm has a higher selection pressure and faster convergence speed while ensuring diversity.

Key words: Locally Linear Embedding(LLE), Differential Evolution(DE), evolutionary operator, high dimensionality, Multi-Objective Evolutionary Algorithm(MOEA)

中图分类号: