汕头大学主页|汕头大学工学院|English Vision
  联系信息

邮件:zfan@stu.edu.cn

地址:广东省汕头市大学路243号汕头大学科学楼

邮编:515063

 
新闻中心
重点实验室的博士生李文姬和硕士生方毅在约束多目标进化优化方面取得重要进展
 
发布时间:2018/11/10 22:41:17

      汕头大学范衠教授和南京航空航天大学蔡昕烨副教授共同指导的博士生李文姬和研究生方毅在约束多目标进化算法方面的论文被人工智能2区杂志《Applied Soft Computing》接收。

      敲黑板,划重点啦!

      目前多目标进化算法的研究已经取得了丰硕的成果,然而约束多目标进化算法的研究相对较少。近年来,越来越多的学者开始关注如何将多目标进化算法用于解决实际问题。而实际问题中,受限于资源和环境的约束,大部分的优化问题都带有约束条件。这才意识到研究约束多目标进化算法对于解决实际问题具有的重大意义。

      来来来!小板凳坐好了,我们带你去看最新出炉的这篇约束多目标优化算法方面的论文。

      一直以来,约束多目标优化的难点之一是如何在保持多样性和收敛性的同时进行高效的约束处理。由Deb教授提出的约束支配原则(Constraint domination Principle, CDP)已经得到广泛的应用。在CDP原则中,约束违反较小的解总是比约束违反较大的解要好,但这会带来一个问题。如果种群中绝大部分的解是不可行解,那么按照CDP原则,大多数个体的适应值排序将只会按照约束违反的大小来排序,这样在进入下一代的过程中,种群的多样性会急剧下降。

      为了克服这一难题,这篇论文提出了一种基于角度约束支配的方法(Angel-based constraint domination principle,ACDP)。具体而言,在可行解的比例较小的时候,如果两个解之间的夹角大于一个阈值,则这两个解互不支配,这样能有效的保持种群的多样性。所提出的约束处理机制ACDP在MOEA/D框架下进行了实现,在14个基准测试问题和一个工程优化问题上,与6种当前最好的约束多目标进化算法(CMOEAs)对比。实验结果表明,MOEA/D- ACDP在保持种群的收敛性、多样性和可行性方面更具优势,充分体现了所提出的约束处理机制ACDP的有效性。部分实验结果如下:

图1 五种不同算法在4个测试问题上得到的非支配解集

      你有木有get到重点了,我们已经置身于约束多目标优化算法的“浪潮之巅”,也成为了见证“官宣”的弄潮儿啦!

      喜大普奔!喜讯不断!来波福利才能彰显我们的范儿!详情请移步下面链接。

论文下载:Download PDF

代码下载:CODE

论文引用:Z. Fan, Y. Fang, W. Li, X. Cai*, C. Wei, E. Goodman, MOEA/D with Angle-based Constrained Dominance Principle for Constrained Multi-objective Optimization Problems, Applied Soft Computing, doi: https://doi.org/10.1016/j.asoc.2018.10.027.

 

版权所有:广东省数字信号与图像处理技术重点实验室 | 学院地址:广东省汕头市大学路243号汕头大学科学楼4楼
copyright © 2024 imagelab.stu.edu.cn all rights reserved.