典型文献
基于SOM聚类和自适应算子选择的高维多目标进化算法
文献摘要：
在高维多目标进化算法中,通常利用重组算子产生优质子代来引导种群搜索,已有研究表明,利用相似个体进行重组可以提高子代个体质量.由于自组织映射(Self-Organizing Mapping,SOM)网络能够通过聚类的方式保持种群个体原有的拓扑逻辑关系并获得个体的相似信息,因此本文提出一种基于SOM聚类和自适应算子选择的高维多目标进化算法(Many-Objective Evolutionary Algorithm based on SOM Clustering and Adaptive Operator Selection,MaOEA-SCAOS).本文首先通过自组织映射网络进行种群分类,提取个体数据结构信息,并利用相似性构建邻域交配池;然后根据类内个体支配信息进行自适应算子选择,提高算法搜索和收敛性能;最后,采用环境选择策略对种群进行多样性管理以保证种群在帕累托前沿均匀分布.仿真结果表明,本文提出的基于SOM聚类和自适应算子选择(SOM Cluster-ing and Adaptive Operator Selection,SCAOS)方法在处理高维多目标优化问题时具有较强的竞争力并且性能指标整体优于其他方法.
文献关键词：
高维多目标优化;自组织映射网络;聚类;自适应选择;进化算法
中图分类号：
作者姓名：
钟沛龙;黎明;何超;陈昊
作者机构：
南昌航空大学信息工程学院,江西南昌330063;南昌航空大学无损检测技术教育部重点实验室,江西南昌330063;南京航空航天大学自动化学院,江苏南京211106
文献出处：
引用格式：
[1]钟沛龙;黎明;何超;陈昊-.基于SOM聚类和自适应算子选择的高维多目标进化算法)[J].电子学报,2022(08):1959-1974
A类：
重组算子,SCAOS
B类：
SOM,自适应算子,算子选择,高维多目标进化算法,常利,质子,子代,Self,Organizing,Mapping,Many,Objective,Evolutionary,Algorithm,Clustering,Adaptive,Operator,Selection,MaOEA,自组织映射网络,数据结构,结构信息,邻域,交配,收敛性能,环境选择,选择策略,帕累托前沿,均匀分布,高维多目标优化,多目标优化问题,其他方法,自适应选择
AB值：
0.264366
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。
