基于奖惩机制的协同多目标优化算法

作     者：伍大清 邵明 李悛 李康 WU Daqing;SHAO Ming;LI Quan;LI Kang

作者机构：南华大学计算机科学与技术学院湖南衡阳421001 东华大学旭日工商管理学院上海200051 教育部计算智能与信号处理重点实验室合肥230039 上海工程技术大学管理学院上海200051 

出 版 物：《计算机工程》 (Computer Engineering)

年 卷 期：2015年第41卷第10期

页      面：186-191,198页

学科分类：08[工学] 081202[工学-计算机软件与理论] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：湖南省教育厅基金资助项目"基于协同演化计算的不确定信息车辆路径问题研究"(13C818) 湖南省衡阳市科技局科技计划基金资助项目"自学习演化计算在智能交通控制中的应用研究"(2013KG63) 教育部人工智能重点实验室基金资助项目"基于冷链云配送模式的车辆路径优化模型及协同控制研究" 

主　　题：多目标优化算法 协同 精英学习策略 拓扑结构 奖惩机制 

摘      要：为提高已有多目标优化算法在求解高维复杂多目标优化问题上的解集分布性和收敛性,提出一种新的多目标微粒群优化算法。该算法基于多目标协同框架,将多种群奖惩机制进化算法用于求解分解后的若干单目标优化子问题,采用动态环形的拓扑结构,设计一种新型精英学习策略,获得逼近Pareto前沿的最优解集。通过典型的多目标优化函数进行测试验证,结果表明,与现有多目标优化算法相比,该算法不仅具有较好的收敛性能,而且解集分布性更均匀、覆盖范围更广。