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

 
科研成果
约束多目标进化算法Push and Pull Search
 
发布时间:2018/5/31 20:00:00

      约束通常会给多目标优化问题带来三方面影响:1)约束阻碍算法向PF搜索 ;2)无约束的PF完全被不可行区域覆盖;3)无约束的PF部分被不可行区域覆盖。我们提出一种Push and Pull Search算子(PPS),PPS搜索过程分为两阶段:1)push阶段搜索无约束的PF;2)pull阶段把种群从不可行区域拉回到可行的非支配区域。基于以上规则,PPS具有很强的脱离局部最优的能力。

      PPS算法在14个测试问题和机械爪优化问题上和当前最好的4种约束多目标算法(MOEA/D-Epsilon, MOEA/D-SR, MOEA/D-CDP, C-MOEA/D)相比,在所有问题上的性能都显著比他们好。

      由于约束的PF和无约束的PF完全相同,PPS算法在push阶段就能找到约束的PF。

图一 PPS算法机制图解

图二 PPS算法机制图解

表1 PPS算法在14个测试问题的IGD统计结果

表2 PPS算法在14个测试问题的HV统计结果

研究成果:发表在人工智能一区期刊《Swarm and Evolutionary Computation 》

论文下载:Download PDF

代码下载:CODE

论文引用:Z. Fan, W. Li, X. Cai, H. Li, C. Wei, Q. Zhang, K. Deb, and E. Goodman, “Push and pull search for solving constrained multi-objective optimization problems,” Swarm and Evolutionary Computation BASE DATA, https://doi.org/10.1016/j.swevo.2018.08.017, 2018.

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 © 2023 imagelab.stu.edu.cn all rights reserved.