计算机工程与应用››2023,第59卷››问题(4): 165-174.内政部:10.3778/j.issn.1002-8331.2108-0256

模式识别与人工智能 • 上一篇   下一篇

融合指标分组的高维混合多目标进化优化

李玲,郭广颂  

  1. 郑州航空工业管理学院 智能工程学院,郑州 450046
  • 出版日期:2023-02-15 发布日期:2023-02-15

结合指标分解的混合多目标进化优化

李玲、郭广松  

  1. 郑州航空大学智能工程学院,郑州450046
  • 在线:2023-02-15 出版:2023-02-15

摘要:高维混合多目标优化问题因包含多个不同类型指标,目前尚缺乏有效求解该问题的进化优化方法。提出一种基于目标分组的高维混合多目标并行进化优化方法。采用深度学习神经网络预测种群隐式性能指标;基于指标相关性,将高维混合多目标优化问题分解为若干子优化问题;采用多种群并行进化算法,求解分解后的每一子优化问题,并基于各子种群的非被占优解构建外部保存集;采用聚合函数对外部保存集个体进一步优化,得到帕雷托最优解集。在室内布局优化问题中验证所提方法,实验结果表明,所提方法的帕雷托最优解在收敛性、分布性以及延展性等方面均优于对比方法。

关键词: 进化算法, 交互, 混合指标, 深度学习, 指标分组, 高维, 多目标

摘要:由于混合多目标优化问题中包含多种不同类型的指标,因此缺乏有效的进化优化方法来解决该问题。提出了一种基于目标分解的多目标协同进化混合优化方法。首先,利用深度学习神经网络对种群隐式性能指标进行预测,然后基于目标相关性将混合多目标优化问题分解为多个子问题。利用多物种并行进化算法求解每个子问题。优化多目标的最终帕累托集是通过归档来自子总体的非支配解决方案集来实现的。最后,通过优化聚合函数来获得Pareto最优解集,这些非支配解集的个体来自子种群。将该方法应用于室内布局优化问题,实验结果表明,该方法在收敛性、分布性、可扩展性等方面优于对比方法。

关键词: 进化计算, 交互式, 混合指数, 深度学习, 指数分解, 高维, 多目标