计算机工程与应用 效率,多目标进化算法搜索鲁棒最优解效率研究-计算机工程与应用.PDF...
多目标进化算法搜索鲁棒最优解效率研究-计算机工程与应用
Computer Engineering and Applications 计算机工程与应用 2011 ,47 (23 ) 29
⦾研究、探讨⦾
多目标进化算法搜索鲁棒最优解效率研究
任亚峰,郑金华
REN Yafeng ,ZHENG Jinhua
湘潭大学 信息工程学院,湖南 湘潭 411105
Institute of Information Engineering ,Xiangtan University ,Xiangtan ,Hunan 411105 ,China
REN Yafeng ,ZHENG Jinhua.Research on efficiency of multi-objective evolutionary algorithms in searching robust opti-
mal solutions.Computer Engineering and Applications ,2011 ,47 (23 ):29-33.
Abstract :Robust optimal solution is of great significance in engineering application.It is one of the most important and dif-
ficult topics in evolutionary computation.Monte Carlo Integral (MCI )is generally used to approximate Effective Objective
Function (EOF )in searching robust optimal solution with Multi-Objective Evolutionary Algorithm (MOEA ).However ,due to
the low degree of accuracy in existing MCI method ,the performance of searching robust optimal solution with MOEA is
unsatisfactory.Therefore ,the Quasi-Monte Carlo (Q-MC )method is proposed which is used to estimate EOF.Through lots of
numerical experimentations ,the results demonstrate that the proposed Q-MC methods —Korobov Lattice can approximate
EOF more precisely when compared with the existing crude Monte Carlo (C-MC )method ,and consequently the efficiency of
searching robust optimal solution with MOEA has been improved at a substantial level.
Key words :evolutionary algorithm ;robust optimal solutions ;Quasi-Monte Carlo method ;effective objective function ;Monte
Carlo integral
摘 要:鲁棒最优解是进化计算研究的重要方面,同时也是研究难点。多目标进化算法搜索鲁棒最优解时,通常要用蒙特卡罗积
分(MCI )近似估计有效目标函数(EOF ),而已有求解方法近似精度不高,使得算法搜索鲁棒最优解的性能较差。提出用拟蒙特卡
罗方法(Q-MC )来估计有效目标函数方法,其所引入的Q-MC 方法——Korobov 点阵能更精确地估计EOF 。实验结果表明,与现
有的原始蒙特卡罗方法(C-MC )相比,拟蒙特卡罗方法(Q-MC )可以较大地提高多目标进化算法搜索鲁棒最优解的效率。
关键词:进化算法;鲁棒最优解;拟蒙特卡罗方法;有效目标函数;蒙特卡罗积分
DOI :10.3778/j.issn. 1002-8
计算机工程与应用 效率,多目标进化算法搜索鲁棒最优解效率研究-计算机工程与应用.PDF...相关推荐
- 动态多目标优化--基于决策变量分类的动态多目标进化算法 笔记
阅读论文:A Dynamic Multiobjective Evolutionary Algorithm Based on Decision Variable Classification (Zhen ...
- 【IEEE CIM 2023】基于多目标进化算法的抗菌肽设计方法
Evolutionary Multi Objective Optimization in Searching for Various Antimicrobial Peptides 小生境共享(Nich ...
- 论文研读-基于决策变量分析的大规模多目标进化算法
论文研读-基于决策变量分析的大规模多目标进化算法 Multiobjective Evolutionary Algorithm Based on Decision Variable Analyses f ...
- 多目标进化算法(MOEAs)概述
原文地址 对于大多数多目标优化问题,其各个目标往往是相互冲突的,因此不可能使得所有的目标同时达到最优,而是一组各个目标值所折衷的解集,称之为Pareto最优集.以下为一些基本定义(以最小化优化问题为例 ...
- platEMO里多目标进化算法对应的参考文献
1.AGE-II M. Wagner and F. Neumann, A fast approximation-guided evolutionary multi-objective algorith ...
- 多目标进化算法基础知识整理
前言 特意整理一些多目标进化算法的基础知识点,尽量用通俗易懂的语言进行描述,希望对入门多目标算法的同学和对优化算法有兴趣的朋友有所帮助. 1.多目标优化细讲 使多个目标在给定区域同时尽可能最佳,多目标 ...
- 学习笔记--一个自管理(组织)的多目标进化算法(SMEA)
学习笔记–一个自管理(组织)的多目标进化算法(SMEA) 摘要:在温和条件下,一个连续m维目标的优化问题的帕累托前沿(解集)可以形成一个(m-1)维的分段连续流形.基于这个性质,这篇文章提出了一个自管 ...
- IGD+-EMOA:基于IGD+的多目标进化算法
IGD±EMOA:基于IGD+的多目标进化算法 参考文献 <IGD±EMOA:A Multi-Objective Evolutionary Algorithm based on IGD+> ...
- MaOEA-IBP:带有边界保护的基于指标的多目标进化算法
MaOEA-IBP:带有边界保护的基于指标的多目标进化算法 参考文献 <An Indicator-Based Many-Objective Evolutionary Algorithm With ...
最新文章
- 如何写出优质干净的代码,这6个技巧你不能错过!
- 【Spark大数据处理】动手写WordCount
- Re-Order Buffer
- 采用docker部署3台Redis分布式红锁实例
- 前端获取的Long类型数据失真,后端这样处理就行了
- PHP实现动态获取函数参数的方法
- 按层次遍历二叉树_LeetCode | 102.二叉树的层次遍历
- 分析Kvaser驱动安装到Linux系统——Kvaser安装到嵌入式Ubuntu系统的开发板IMX6Q不成功记录
- Snort 中文手册【http://snort.org.cn/】
- Html中 发光字体 的CSS属性
- 超级计算机浪漫展览,这是最独特的“中国式浪漫”
- 【目标检测·yolo系列】YOLOV3目标检测论文笔记(参考 同济子豪兄的解读)
- 浏览器配置异常_打开360浏览器出现配置文件错乱提示怎么办?
- C和C++算法完整教程专栏完整目录
- 【STM32F429开发板用户手册】第19章 STM32F429的GPIO应用之按键FIFO
- Shap·E: Generating Conditional 3D Implicit Functions 阅读笔记
- 落谷:P1004:方格取数
- python温湿度传感器源代码_在树莓派上读取DHT11温湿度传感器-python代码实现及常见问题(全面简单易懂)...
- linux写永久路由命令,Linux 系统添加永久静态路由
- 【python数据可视化】成绩分析及可视化实例
热门文章
- 关于CS1061报错(XX不包含XXX的定义,并且找不到类型为XX的第一个参.....)的一种可能的解决的办法...
- PHP中file_exists与is_file、is_dir的区别,以及执行效率的比较
- [Win32]一个调试器的实现(四)读取寄存器和内存
- Android常用权限
- SQLServer跟踪相关
- 自动化测试框架实践2--STAF
- PHP和MySQL入门(8)
- 有什么好的Java自学教程视频,适合初学者
- springboot 日志数据
- MySQL5.7.17源码编译安装与配置