典型文献
基于统计信息反馈的分步多目标优化
文献摘要：
传统的多目标进化算法通常协同考虑解的分布性和收敛性,在搜索初期会生成大量的支配解,造成计算资源的浪费,甚至导致算法不收敛.本文提出了一种基于统计信息反馈的分步多目标优化算法.将算法分为单目标探索阶段、单目标到多目标的过渡阶段、群体划分局部优化阶段3个阶段,根据每个阶段的性质设计任务和策略,以增强算法的收敛性和分布性.在第二、三阶段中,根据目标函数值将解划分为不同群体,分别对不同区域解的信息进行统计分析,再根据反馈统计信息指导亲本选择过程,改善解的分布性和收敛性.在DTLZ和WFG系列问题上进行测试,并与其他多目标进化算法进行了比较,实验结果验证了本文算法在复杂、难收敛问题上的优势.
文献关键词：
信息反馈;亲本选择;优秀个体;分步;多目标优化
中图分类号：
作者姓名：
王学武;谢祖洪;周昕;顾幸生
作者机构：
华东理工大学能源化工过程智能制造教育部重点实验室,上海 200237
文献出处：
引用格式：
[1]王学武;谢祖洪;周昕;顾幸生-.基于统计信息反馈的分步多目标优化)[J].华东理工大学学报（自然科学版）,2022(05):665-676
A类：
B类：
统计信息,信息反馈,分步,多目标进化算法,收敛性,期会,计算资源,不收,多目标优化算法,单目标,目标探索,过渡阶段,分局,局部优化,设计任务,增强算法,目标函数值,不同群体,亲本选择,善解,DTLZ,WFG,优秀个体
AB值：
0.372865
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
