尹呈
- 作品数：6 被引量：26H指数：3
- 供职机构：湘潭大学信息工程学院更多>>
- 发文基金：国家自然科学基金湖南省自然科学基金湖南省高校科技创新团队支持计划更多>>
- 相关领域：自动化与计算机技术理学更多>>
- 差分选择策略在复杂多目标优化问题中的研究被引量：6
- 2015年
- 在多目标进化算法中,如何提高生成解的质量一直是研究的热点与难点.为解决以上问题,该算法从差分进化算法与计算资源分配策略2个方向进行了研究.根据多目标问题从决策空间到目标空间的映射关系以及差分进化算法基本原理,提出了一种基于双种群的多目标差分选择策略.它利用2个种群来区分个体间收敛性差别,在调整差分参数以适应多目标算法特性的基础上,以收敛性差别为依据选择参与差分运算的个体,从而提高差分算法性能,加快子代个体收敛.另外,根据子代个体收敛速率的不同,动态调整计算资源的分配,进一步提高算法收敛性.与ε-MOEA和MOEA/D-DRA在一系列复杂的多目标优化问题上进行了对比实验,结果表明了所提策略的有效性.
- 郑金华刘磊李密青尹呈王康
- 关键词：差分进化多目标进化算法
- 一种基于精英种子策略的多目标遗传算法被引量：1
- 2011年
- 在工程实践的多目标优化问题中,当已知目标空间中的一个或几个最优解时,往往需要在某一特定的区域搜索到比较稠密的Pareto解集合.本文提出了基于精英种子策略的多目标遗传算法,把已知的最优解信息加到优化过程中,利用最近邻方法来识别进化个体的所属的Pareto支配性类别,引导优化方向.仿真实验结果表明,该算法在特定区域内表现了比NSGA-Ⅱ更优的局部搜索能力,并且能够搜索到零散分布的Pareto最优解子集.
- 李文彬杜若川李雄略尹呈郭观七
- 关键词：多目标优化最近邻方法
- 用最近邻分类方法预测多目标优化d-Pareto支配性被引量：1
- 2013年
- 为进一步提高预测精度,修改候选解间原始Pareto支配性关系,提出了d-Pareto支配性最近邻预测方法。结合多目标优化的自身特点,给出了d-Pareto支配性最近邻预测框架,并论证了d-Pareto支配性预测比Pareto支配性预测具有低平均预测错误率。同时也初步研究了d-Pareto支配性预测与多目标进化算法的交互作用。对几个经典多目标优化问题进行实验,仿真结果表明d-Pareto支配性预测具有一定的可行性和有效性。
- 尹呈曾文静郭观七王先锋
- 关键词：多目标优化
- 多目标优化Pareto支配性预测方法研究
- 进化算法已成功地应用于多目标优化领域，但用该类算法解决昂贵多目标优化问题时，仅一次目标函数或约束函数的评估就需耗时数小时甚至数天（简称为计算成本灾难问题），所需计算开销和时间效率均难以接受。尽管采用基于代理模型的多目标进...
- 尹呈
- 关键词：最近邻分类
- 文献传递
- 基于等价分量交叉相似性的Pareto支配性预测被引量：8
- 2014年
- 研究用最近邻分类预测多目标优化问题Pareto支配性的相似性测度方法.在分析决策分量对各目标分量贡献率的基础上定义决策向量的等价子向量,等价子向量由贡献率相同的决策分量所组成.提出基于等价子向量的最小交叉距离加权和相似性测度方法.对每个目标分量,独立评价待测数据与N个已知样本的相似度,每个样本按其相似度值的升序赋予[0:N 1]之间的序号,按各目标上的序号之和最小准则确定最近邻样本.等价子向量最小交叉距离加权和相似性测度以及多目标最近邻搜索方法在确定决策向量相似性时,引入了决策空间到目标向量空间的映射知识,使决策变量相似性测度更真实地反映目标向量相似性.对典型多目标优化问题的Pareto支配性最近邻分类实验结果表明,提出的方法可显著地提高分类准确性.
- 郭观七尹呈曾文静李武严太山
- 关键词：多目标优化最近邻分类
- 基于自适应学习的多目标粒子群优化算法被引量：10
- 2012年
- 将进化算法应用于某些多目标优化问题时,采用增加种群规模和进化代数的方法往往耗费大量的目标函数计算开销,且达不到提高种群进化效率的目的,为此提出了一种基于自适应学习最优搜索方向的多目标粒子群优化算法。采用自适应惯性权值平衡算法的全局和局部搜索能力,采用聚类排挤方法保持Pareto非支配解集的分布均匀性,使用最近邻学习方法为每个粒子在Pareto非支配解集中寻找一个最优飞行目标来提高其收敛速度并保持粒子群搜索方向的多样性。实验结果表明,提出的算法可在显著地降低函数评估成本的前提下实现快速的搜索,并使粒子群均匀地逼近Pareto最优面。
- 尹呈郭观七李文彬严太山
- 关键词：粒子群优化多目标优化
