贾月
- 作品数：3 被引量：9H指数：1
- 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科技厅项目更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于权重迭代的偏好多目标分解算法解决参考点对算法影响的研究被引量：9
- 2016年
- 在传统偏好多目标进化算法中,参考点是表达决策者的偏好信息最常用的方式,但是参考点所处位置信息有时严重影响算法的性能.针对以上问题,本文提出了一种基于权重迭代的偏好多目标分解算法(MOEA/DPRE),主要利用权重迭代方法获取一组均匀的权重向量,并对偏好区域进行映射,使得算法在进化过程中,不用考虑参考点所处位置信息对算法性能的影响,另外提出了一种稳定可控的偏好区域模型,能响应决策者设置任意大小的偏好区域.通过对比实验表明该算法具有较好的收敛性和分布性,同时给出了满足决策者不同要求的算法模型,并且能够很好的解决参考点的位置信息对算法的影响.
- 郑金华喻果贾月
- 关键词：进化算法偏好决策者
- 基于偏好信息的动态引导式寻优策略研究
- 多目标进化算法（Multi-objectiveEvolutionaryAlgorithm，简称MOEA）是伴随着各种各样的优化问题而产生的。近些年，MOEA在优化领域内做出了相当大的贡献，一直是该领域的研究焦点和热点。现...
- 贾月
- 关键词：多目标优化偏好信息
- 文献传递
- 基于偏好信息的动态引导式多目标寻优策略研究
- 2014年
- 传统的多目标进化算法研究的重点是获得分布在整个Pareto边界上的最优解集,而在现实问题中,决策者只对边界上某些区域分布的解感兴趣.纳入决策者偏好信息的多目标进化算法的研究很有实际意义.因此节约计算资源、快速有效地找到偏好区域的Pareto解集成为其研究的重点.针对该问题,本文提出基于偏好信息的动态引导式多目标寻优策略.该策略通过设置参数ε反映搜索过程中引导区域的动态性,参数控制DM偏好范围.将解与引导区域的距离作为响应选择策略的一个因素,从而有效地获得期望区域内的折衷解.实验结果表明,该算法具有较好的收敛性.
- 郑金华贾月
- 关键词：多目标优化多目标进化算法偏好
