李珂
- 作品数：8 被引量：43H指数：5
- 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教育厅重点项目湖南省自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于最小二乘法的高维目标减少算法被引量：6
- 2011年
- 多目标进化算法在许多领域有广泛的应用,大部分文献都只针对二维与三维的测试问题,目标减少成为高维优化的热点之一.本文从决策者角度考虑冗余目标问题,提出了基于最小二乘法的目标减少算法(ORLSM),该方法将每个目标函数分段拟合为若干条直线段,然后比较各直线段之间的斜率来确定最冗余目标对,进而确定冗余目标.同时针对目标减少前后个体支配关系的变化情况,提出了支配关系改变率的评价方法.通过3个测试函数,分别用逆世代距离(IGD)、支配关系改变率(CDR)和时间效率3个方面,对同类的两个算法进行了性能测试.结果表明,ORLSM在总体上具有最好的性能:CDR和IGD具有基本一致的评价结果.
- 郑金华周聪李珂吕卉
- 关键词：最小二乘法
- 一种改进的基于差分进化的多目标进化算法被引量：6
- 2008年
- 近年来运用进化算法(EAs)解决多目标优化问题(Multi-objective Optimization Problems MOPs)引起了各国学者们的关注。作为一种基于种群的优化方法,EAs提供了一种在一次运行后得到一组优化的解的方法。差分进化(DE)算法是EA的一个分支,最开始是用来解决连续函数空间的问题。提出了一种改进的基于差分进化的多目标进化算法(CDE),并且将它与另外两个经典的多目标进化算法(MOEAs)NSGA-Ⅱ和SPEA2进行了对比实验。
- 李珂郑金华
- 关键词：多目标优化差分进化
- 基于动态ε支配的多目标遗传算法
- 2009年
- 基于Pareto支配的MOEA存在着一些缺陷,如容易出现退化现象等。而基于ε支配的MOEA可以比较好地解决这些问题,并具有比较理想的收敛性和分布性。但是采用传统的ε-MOEA时,最大的困难就是ε的值的设定,并且传统的MOEA得出的解在边界部分个体的丢失现象也比较严重。针对这种情况提出了一种新的基于动态ε支配的多目标遗传算法(DEMOEA),它不需要手动设定ε的值,并且引入了动态网格概念来改善边界解丢失的现象。通过与其他两个经典的多目标进化算法的NSAGA-Ⅱ和SPEA-2的对比实验,表明提出的DEMOEA能在收敛性、分布性有较好的改进。
- 李珂郑金华周聪
- 关键词：多目标优化
- 一种非均匀分布问题分布性维护方法被引量：4
- 2011年
- 几乎所有多目标进化算法(multi-objective optimization evolutionary algorithm,MOEA)都是针对Pareto最优面为均匀分布问题而言.然而现实中很多问题Pareto最优面是非均匀分布的,决策者希望得到一个与Pareto最优面分布类似的解集.现存算法并不能有效解决该问题.对此,提出一种针对于非均匀分布多目标优化问题的维护方法(non-u-niformly diversity maintenance method,NUDMM).该方法定义一个反映个体分布"规则"程度的指标——杂乱度,并设计一种降低种群杂乱度的方法,在未知Pareto最优面分布规律情况下有效剔除造成种群混乱的个体.通过与NSGA-II和SPEA2在不同维数下8个非均匀函数上对比实验,表明NUDMM在有效保持问题真实分布的同时,具有良好的收敛性.
- 李密青郑金华李珂
- 关键词：多目标优化多目标进化算法测试函数
- 一种基于Hypervolume指标的自适应邻域多目标进化算法被引量：12
- 2012年
- 通过定义反映个体之间邻近程度的指标(个体的树邻域包含关系),在考虑个体间支配关系的基础上,利用个体与其周边个体的树邻域密度进行适应度赋值;提出了一种2,3维情况下个体独立支配区域的Hypervolume指标的计算方法,该方法用于评价个体对群体的贡献时只需要1次计算(同类方法需要2次计算);当外部种群中非支配个体数目超过规定规模时,根据个体独立支配区域的Hypervolume指标的大小对其进行修剪;在此基础上,提出了一种基于Hypervolume指标的自适应邻域多目标进化算法ANMOEA?HI.对比实验结果表明,ANMOEA?HI在保证了解集收敛性的同时亦拥有良好的分布性.
- 郑金华李珂李密青文诗华
- 关键词：最小生成树种群维护多目标进化算法
- Hypervolume指标及其在多目标进化算法中的应用研究
- 多目标优化是优化领域的主要研究方向之一,现实中的优化问题大多具备多个相互冲突的目标。不同于单目标优化问题有唯一的最优解,多目标优化问题的最优解为一组折中解,即Pareto最优解集。多目标进化算法是一类模拟生物自然选择与自...
- 李珂
- 关键词：多目标优化多目标进化算法种群维护
- 文献传递
- 高维目标减少算法被引量：2
- 2010年
- 在多目标优化中,许多实际问题都是由很多目标(超过三个)所组成,但是目前提出的大多数算法却只有在三维以下时高效。由于超过三维的情况无法用欧式空间来表示,而且在处理高维问题时,算法的时间复杂度通常很高,因此人们开始考虑将高维目标转化为低维目标后再处理。首先介绍了目前已经存在的将高维目标转化为低维目标的算法,提出了一种新的算法,该方法通过数据拟合,将各目标函数拟合为一条直线,比较相互之间的斜率之差来确定目标是否存在冗余,以期减少冗余目标。
- 陈静周聪李珂郑金华
- 关键词：多目标优化数据拟合
- 基于空间交配遗传算法的收敛性分析被引量：8
- 2010年
- 基于空间交配遗传算法(GASM)采用空间交配遗传算子,有效克服早熟收敛问题,但缺少相关理论分析.文中采用马尔可夫链分析基于空间交配遗传算法的收敛性.证明采用最优个体保留机制的GASM,可收敛到全局最优解.同时证明在没有变异算子的情况下,GASM以概率1收敛到全局最优解.通过4个测试问题(其中3个为多峰值复杂问题)的对比实验,结果表明,GASM在求解多峰值复杂问题时,比采用最优个体保留机制的经典遗传算法,具有更好的收敛性.同时也与快速蜂群优化算法进行比较实验.
- 郑金华吕卉伍军周聪李珂李密青
- 关键词：遗传算法马尔可夫链收敛性
