李密青
- 作品数：24 被引量：139H指数：7
- 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教育厅重点项目更多>>
- 相关领域：自动化与计算机技术生物学更多>>
- 一种基于记忆克隆选择的多目标免疫算法被引量：2
- 2008年
- 借鉴生物免疫原理中克隆选择机理,设计了一种基于记忆克隆选择的多目标免疫算法。该算法构建了一种亲和度的快速计算方法,并在抗体种群全局搜索Pareto解的同时,也在记忆单元进行局部搜索,有效地提高了搜索效率和收敛性。选取了六种典型的多目标优化函数进行算法仿真测试研究,并与经典的多目标进化算法NSGA-II进行了比较。仿真研究结果证明了新算法在保证种群分布度的同时,拥有比NSGA-II更好的收敛性和速度。
- 彭维黄辉先徐建伟李密青
- 关键词：免疫原理多目标PARETO解亲和度
- 基于空间距离的多目标进化算法被引量：2
- 2009年
- 为提高多目标进化算法的收敛性,提出一种基于空间距离的多目标进化算法.定义一种密度估计指标——树聚集距离,在考虑非支配前沿的同时,利用个体的空间距离及树聚集距离进行个体选择操作.另外,在外部种群的非支配解个数超过规定的种群规模时,用基于个体邻近距离的维护方法对其进行维护.通过6个测试问题和5个方面的测试标准,与NSGA-II和SPEA2进行比较,该算法在拥有更好收敛度的同时,保持良好的均匀性和分布广度.
- 李密青郑金华肖桂霞谢炯亮
- 关键词：种群维护多目标进化算法
- 一种MOEA分布度的逐步评价方法被引量：12
- 2008年
- 提出了一种多目标进化算法中解集分布度逐步评价方法.定义了一种基于角度的坐标,避免了算法因收敛性不同对分布性评价的影响;利用了解集均匀分布具有的对称性,把整个目标空间从大到小划分成不同的对称区域,逐步进行分布度评价.实验结果表明,该方法能精确的评价解集的分布情况.
- 李密青郑金华谢炯亮杨平李晶
- 关键词：多目标进化算法
- 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
- 一种新的分布性保持方法被引量：5
- 2009年
- 分布性保持是多目标进化算法主要目标之一.然而通常维护方法的性能与运行时间存在矛盾.提出一种基于最小生成树的分布性维护方法.利用最小生成树中的度数和边长对个体密度进行估计,使低度数的边界个体和长边长的低密度个体得到了保留.另外,一次性选择个体进入下代种群,避免了每移出一个个体就需要对个体密度进行调整的操作.通过5个测试问题和4个方面的测试标准,与3个著名的算法进行比较实验,结果表明该方法在以较快速度对种群进行维护的同时,拥有良好的分布性.
- 李密青郑金华伍军
- 关键词：多目标优化进化算法最小生成树
- 一种快速构造多目标Pareto非支配集的方法:选举法则被引量：6
- 2009年
- 基于Pareto的多目标优化问题是进化算法的一个重要研究方向,而如何构造Pareto非支配集则是提高算法效率的关键所在。通过对选举现象的观察,同时针对多目标个体之间的特性,提出了一种快速求解多目标Pareto非支配集的方法:选举法则(election principle,EP),分析了其时间复杂度为O(rmN),并对其进行了正确性证明。因为种群中实际的非支配个体数m比进化群体规模N小,所以与同类方法相比,EP有更高的效率,并通过了实验验证。
- 杨平郑金华李密青罗彪
- 关键词：多目标优化问题进化算法
- 基于邻域表的多目标进化算法被引量：1
- 2009年
- 针对算法性能和运行时间的矛盾,提出一种基于邻域表的多目标进化算法(NLEA).采用类似于图中邻接表的结构对解个体进行存储,利用个体之间的邻近关系从拥挤程度和距离上对其进行分级适应度赋值,并根据适应值调整个体链表中的次序以便高效的进行环境选择操作.通过7个测试问题和3个方面的测试标准,结果表明新算法在较快速的接近真实的最优面的同时,拥有良好的分布性.
- 李密青郑金华
- 关键词：多目标进化算法多目标优化问题
- 多目标进化算法的一种基于生成树的分布性维护方法
- 2009年
- 针对多目标进化算法的种群维护和运行效率相矛盾的问题,提出了一种基于生成树的分布性维护方法,即对整个种群构造一棵生成树,定义一种密度估计指标——树聚集距离,并结合树中的最短树枝和个体度数对种群进行维护。由于树聚集距离和度数具有动态性,每移出一个个体,种群中与之相连个体的信息都会发生相应的变化,因而可即时反映出种群的分布情况。与三个著名的算法NSGA-Ⅱ、SPEA2和C-NSGA-Ⅱ的比较实验表明,该方法能在得到良好分布性解集的同时,能以较快的速度对种群进行维护,具有较好的时间效率。
- 李密青郑金华
- 关键词：多目标优化进化算法生成树种群
- 二维目标下分布性与收敛性结合的种群维护策略被引量：2
- 2008年
- 种群维护是多目标进化算法的重要组成部分。针对传统方法在维护过程中只考虑分布性的情况,提出一种分布性与收敛性结合的种群维护策略,该方法用一种邻近个体间的相对趋近关系来表示其适应值,弥补了单纯Pareto支配关系的"粗糙性",并用一种可调邻域的方法对种群的密集程度进行控制。将其与NSGA-II和SPEA2进行对比,实验结果表明该算法在有效保持种群分布性的同时,拥有良好的收敛性和速度。
- 李密青郑金华罗彪肖桂霞
- 关键词：多目标进化算法多目标优化问题种群维护收敛性分布性
- 多目标进化算法中变异算子的比较与研究被引量：17
- 2009年
- 提出了一种适应于多目标进化算法的变异越界处理策略,成功地将这些变异算子应用到多目标进化优化问题中,从多目标优化收敛性的角度比较了这些变异算子的性能。通过一组实验表明这种越界处理方法是非常有效的,单目标优化中的这些变异算子具有与多项式变异算子相当的分布性,同时取得了更好的收敛性能。
- 文诗华郑金华李密青
- 关键词：多目标优化多目标进化算法变异算子收敛性
