任亚峰
- 作品数：5 被引量：10H指数：2
- 供职机构：湘潭大学信息工程学院更多>>
- 发文基金：湖南省自然科学基金国家自然科学基金湖南省教育厅科研基金更多>>
- 相关领域：自动化与计算机技术理学更多>>
- 多目标进化算法搜索鲁棒最优解效率研究
- 2011年
- 鲁棒最优解是进化计算研究的重要方面,同时也是研究难点。多目标进化算法搜索鲁棒最优解时,通常要用蒙特卡罗积分(MCI)近似估计有效目标函数(EOF),而已有求解方法近似精度不高,使得算法搜索鲁棒最优解的性能较差。提出用拟蒙特卡罗方法(Q-MC)来估计有效目标函数方法,其所引入的Q-MC方法——Korobov点阵能更精确地估计EOF。实验结果表明,与现有的原始蒙特卡罗方法(C-MC)相比,拟蒙特卡罗方法(Q-MC)可以较大地提高多目标进化算法搜索鲁棒最优解的效率。
- 任亚峰郑金华
- 关键词：进化算法
- 一种求解最小权值强规划的方法被引量：4
- 2011年
- 以规划领域中的不确定状态转移系统作为研究对象,给出最小权值强规划解的概念,提出一种求最小权值强规划解的方法。该方法可以求解与动作代价相关的数值规划问题,在不确定状态转移系统的执行动作上增加权值来表示动作的代价,在此基础上设计求解最小权值强规划解的算法。实验结果表明,该算法能有效求解最小权值强规划解,且比用反向搜索方法求强规划解的算法效率高。
- 陈建林文中华马丽丽吴正成任亚峰
- 多目标进化算法鲁棒性实验研究被引量：1
- 2011年
- 多目标进化算法的研究主要集中于搜寻全局最优解。在现实中,环境不是一成不变的,需找到抗干扰能力强的鲁棒解。多目标鲁棒最优化问题的研究较少,主要归结于环境的不确定性和缺乏合适的测试函数。针对不同特性测试函数,通过实验检验了在不同干扰下算法的性能变化情况。实验结果表明,存在干扰的情况下,原来的测试函数不再适用,需构造鲁棒测试函数。
- 任亚峰郑金华
- 关键词：多目标进化算法鲁棒性测试函数
- 一种求解多目标进化算法鲁棒最优解方法研究
- 多目标进化算法(MOEA)以其独特的性能被广泛应用于学术研究和工程实践中,该算法的特点是无需定义目标权重而算法运行一次可以找出一组符合约束条件的非劣解,再由决策者根据其偏好进行选择。随着国内外学者对MOEA的深入研究,其...
- 任亚峰
- 关键词：多目标进化算法解集鲁棒性测试函数
- 文献传递
- 一种求解鲁棒优化问题的多目标进化方法被引量：5
- 2011年
- 鲁棒优化问题(Robust Optimization Problem,ROP)是进化算法(Evolutionary Algorithms,EAs)研究的重要方面之一,对于许多实际工程优化问题,通常需要得到鲁棒最优解。利用多目标优化中的Pareto思想优化ROP的鲁棒性和最优性,将ROP转化为一个两目标的优化问题,一个目标为解的鲁棒性,一个目标为解的最优性。针对ROP与多目标优化的特点,利用动态加权思想,设计一种求解ROP的多目标进化算法。通过测试函数的实验仿真,验证了该方法的有效性。
- 李亚林陈静罗彪任亚峰李密青
- 关键词：多目标进化算法鲁棒性最优性
