一种基于Pareto排序的混合多目标进化算法OA北大核心CSCDCSTPCD
CHEN Zhenxing Hybrid multi-objective evolutionary algorithm based on Pareto sort
为了改进多目标进化算法的收敛性和解集的多样性，提出一种基于Pareto排序的混合多目标进化算法PHMOEA。在PHMOEA中使用干扰集刺激优化非支配集的构成，改善算法的收敛性和解集的分布性，并根据Pareto等级和精英保留策略改进了交叉算子和变异算子。该算法与著名的NSGA-II和SPEA2多目标进化算法在13个基准测试函数上的对比结果表明，PHMOEA算法不仅多样性较好，而且提高了算法的收敛性，并使获得的最优解集的分布性更均匀，覆盖范围更广。
A hybrid multi-objective evolutionary algorithm based on Pareto ranking called PHMOEA is proposed to improve the convergence and diversity of the solution sets in the multi-objective evolutionary algorithm. The algorithm defines interference sets in order to stimulate the composition of the non-dominating sets, meanwhile, improves the crossover operator and mutation operator based on the Pareto sort and the strategy of elite retention. It evaluates PHMOEA wi…查看全部>>
吴坤安;严宣辉;陈振兴
福建师范大学 数学与计算机科学学院，福州 350007福建师范大学 数学与计算机科学学院，福州 350007福建师范大学 数学与计算机科学学院，福州 350007
信息技术与安全科学
多目标进化算法收敛性多样性干扰集Pareto等级
multi-objective evolutionaryconvergencediversityinterference setsPareto sort
《计算机工程与应用》 2015 (1)
面向软件行为鉴别的事件序列挖掘方法研究
62-68,7
国家自然科学基金（No.61070062，No.61175123）；福建高校产学合作科技重大项目（No.2010H6007）。
评论