多目标子空间搜索演化算法MOSSSEA

蒋华; 康立山; 李艳; 康卓

您当前的位置：

首页 >

文章列表页 >

多目标子空间搜索演化算法MOSSSEA

研究论文_计算机科学与电子信息学 | 更新时间：2021-04-02

- 多目标子空间搜索演化算法MOSSSEA
- Multi-Object Sub-Space Search Evolutionary Algorithm
- 武汉大学学报（理学版） 2009年55卷第6期页码：681-684
- 作者机构：
  
  1. 武汉大学计算机学院
  2. 武汉大学计算中心
- 作者简介：
- 基金信息：
  
  国家自然科学基金资助项目（60473081,60133010）
- DOI：
  中图分类号： TP301.6
- 纸质出版日期：2009-06-01，
- 稿件说明：
移动端阅览
[1]蒋华,康立山,李艳,康卓.多目标子空间搜索演化算法MOSSSEA[J].武汉大学学报(理学版),2009,55(06):681-684.

JIANG HUA1, KANG LISHAN1, LI YAN2, et al. Multi-Object Sub-Space Search Evolutionary Algorithm. [J]. 2009, 55(6): 681-684.
[1]蒋华,康立山,李艳,康卓.多目标子空间搜索演化算法MOSSSEA[J].武汉大学学报(理学版),2009,55(06):681-684. DOI：

JIANG HUA1, KANG LISHAN1, LI YAN2, et al. Multi-Object Sub-Space Search Evolutionary Algorithm. [J]. 2009, 55(6): 681-684. DOI：

摘要

在研究已有的求解多目标函数优化问题的演化算法的基础上

提出了一个结合Rank排名和子空间搜索的新的以杂交为主的演化算法MOSSSEA（Multi-Object Sub-Space Search Evolutionary Algorithm）

将MOSS-SEA应用到求解静态多目标函数优化问题中

一组测试函数的结果表明MOSSSEA表现出了优于同类算法的收敛性和多样性.

Abstract

This paper presents a new evolutionary algorithm（MOSSSEA） for multi-objective function optimization problem.The algorithm adopted ranking and subspace searching to improve the convergence speed and diversity of the population.Some typical multi-objective function optimization test problems were used to evaluate the new algorithm and the results demonstrated by the algorithm is better than that of other similar algorithms.

关键词

多目标优化演化算法收敛性多样性

Keywords

multi-object optimizationevolutionary algorithmconvergencediversity

references

浏览量

130

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

求解自融资投资组合模型的量子行为的粒子群优化算法

基于会稽山古香榧林和新香榧林土壤环境的香榧籽品质分析

基于学习的动态多目标方法求解约束优化问题

分类器集成算法研究

粒子群优化算法的数学基础