典型文献
DAV-MOEA:一种采用动态角度向量支配关系的高维多目标进化算法
文献摘要：
现实中不断涌现的高维多目标优化问题对传统的基于Pareto支配的多目标进化算法构成巨大挑战.一些研究者提出了若干改进的支配关系,但仍难以有效地平衡高维多目标进化算法的收敛性和多样性.提出一种动态角度向量支配关系动态地刻画进化种群在高维目标空间的分布状况,以较好地在收敛性与多样性之间取得平衡;另外,提出一种改进的基于Lp-范式(p＜1)的拥挤距离度量方法以有效地度量高维目标空间中解群的多样性.设计了一种采用动态角度向量支配关系的高维多目标进化算法DAV-MOEA,该算法利用动态角度向量支配关系增强选择压力,运用改进的基于Lp-范式(p＜1)的拥挤距离维持解群的多样性.实验研究了动态角度向量支配关系、改进的拥挤距离方法以及DAV-MOEA算法在5-、8-和10-目标的DTLZ和WFG基准测试实例上的IGD与HV指标性能.实验结果表明,动态角度向量支配关系、改进的拥挤距离方法和DAV-MOEA算法在高维目标空间中能够获得显著较优或颇具竞争力的收敛性和多样性.由此表明所提出的支配关系、拥挤距离度量方法和DAV-MOEA算法在高维目标空间中颇具前景.
文献关键词：
动态角度向量支配关系;高维多目标优化;进化算法;多样性;收敛性
中图分类号：
作者姓名：
谢承旺;余伟伟;郭华;张伟;张琼冰
作者机构：
华南师范大学数据科学与工程学院 广东汕尾516600;南宁师范大学计算机与信息工程学院 南宁 530100;北京航空航天大学计算机学院 北京 100191;华东交通大学理学院 南昌 330013;湖南科技大学计算机科学与工程学院 湖南湘潭411201
文献出处：
引用格式：
[1]谢承旺;余伟伟;郭华;张伟;张琼冰-.DAV-MOEA:一种采用动态角度向量支配关系的高维多目标进化算法)[J].计算机学报,2022(02):317-333
A类：
DAV,动态角度向量支配关系
B类：
MOEA,高维多目标进化算法,高维多目标优化,多目标优化问题,Pareto,地平,收敛性,高维目标,分布状况,Lp,拥挤,距离度量,法利,选择压力,DTLZ,WFG,基准测试,IGD,HV,指标性,颇具
AB值：
0.176376
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。
