摘要
提出了一种适应于多目标进化算法的变异越界处理策略,成功地将这些变异算子应用到多目标进化优化问题中,从多目标优化收敛性的角度比较了这些变异算子的性能。通过一组实验表明这种越界处理方法是非常有效的,单目标优化中的这些变异算子具有与多项式变异算子相当的分布性,同时取得了更好的收敛性能。
This paper proposes a mutation over-flow dealing method to fit for the environment of MOEAs,and applies these operators successfully to multi-objective optimization problems.Then it compares these operators' performance through its convergence quality,and it demonstrates that this over-flow dealing method is effective through a group of experiments,the mutation operators used in single-objective optimization have the respectable distribution to polynomial mutation and achieve better convergence qua]ity.
出处
《计算机工程与应用》
CSCD
北大核心
2009年第2期74-78,共5页
Computer Engineering and Applications
基金
国家自然科学基金No.60773047
教育部留学回国人员科研启动基金No.教外司留[2005]546号
湖南省自然科学基金No.05JJ30125
湖南省教育厅重点科研项目No.06A074~~
关键词
多目标优化
多目标进化算法
变异算子
收敛性
非支配解集
multi-objective optimization
Multi-Objective Evolutionary Algorithm (MOEA)
mutation operators
convergence quality
non-dominated solution sets