典型文献
基于密度和记忆的动态多目标优化算法
文献摘要：
无人驾驶技术飞速发展,可靠的避障及合理的路径规划是保障其安全性和实用性的根本要求.在驾驶过程中,环境因素复杂且迅速变化,对控制算法的运算速度和精度有较高的要求,已有的动态多目标优化算法在种群初始化和优化速度方面仍需提高.针对该问题提出了一种基于密度和记忆的NSGA2算法(Density and memory based NSGA2 algorithm,NSGA2-DM).NSGA2-DM存储有用的信息来指导之后的种群初始化;在种群再生阶段,NSGA2-DM使用目标空间中解的密度来评估每个非支配解的稀疏度,将稀疏度最小的非支配解定义为稀疏解,在每个遗传过程中都在稀疏解附近进行局部搜索;NSGA2-DM同时采用极限优化局部搜索策略和随机搜索策略,提高了解的质量和收敛速度.通过FDA和dMOP系列基准测试函数对NSGA2-DM算法进行验证,并将结果与其它先进的种群初始化方法进行对比.结果表明:NSGA2-DM算法可以根据环境变化快速跟踪变化的帕累托前沿,提高求解速度.所提出的局部搜索策略结果优于所对比局部搜索方法.
文献关键词：
密度;记忆;动态多目标优化;局部搜索
中图分类号：
作者姓名：
王晓冬;栗三一
作者机构：
郑州科技学院,河南郑州450064;郑州轻工业大学,河南郑州450002
文献出处：
引用格式：
[1]王晓冬;栗三一-.基于密度和记忆的动态多目标优化算法)[J].计算机仿真,2022(09):49-54
A类：
dMOP
B类：
基于密度,动态多目标优化,多目标优化算法,无人驾驶技术,避障,路径规划,驶过,速变,控制算法,种群初始化,NSGA2,Density,memory,algorithm,DM,非支配解,稀疏度,稀疏解,传过,局部搜索策略,随机搜索,收敛速度,FDA,基准测试函数,初始化方法,帕累托前沿,搜索方法
AB值：
0.257779
相似文献
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。
